Публикации по теме 'classification-algorithms'


Классификация машинного обучения с использованием независимых моделей для каждого класса
Классификация машинного обучения с использованием независимых моделей для каждого класса Имеет ли это смысл? Сравнение с голосующими ансамблями Рассмотрим ситуацию бинарной классификации, когда одна модель лучше предсказывает первый класс, а другая модель лучше предсказывает второй класс. Для начала создадим синтетический набор данных : В этот раз ради простоты реализации мы не будем использовать кросс-валидацию, а обойдемся простым сплит обучение/тестирование : Теперь..
Машины опорных векторов (SVM): интуитивное объяснение
Машины опорных векторов (SVM) — это тип контролируемого алгоритма машинного обучения, используемый для задач классификации и регрессии. Они широко используются в различных областях, включая распознавание образов, анализ изображений и обработку естественного языка. SVM работают, находя оптимальную гиперплоскость, которая разделяет точки данных на разные классы. Гиперплоскость: Гиперплоскость  – это граница решения, которая разделяет точки данных на разные классы в многомерном..
КЛАССИФИКАЦИЯ С МАШИННЫМ ОБУЧЕНИЕМ
Классификация — одно из основных направлений машинного обучения. Его также можно рассматривать как процесс узнавания, понимания. Методы классификации линейные модули Машина опорных векторов Деревья решений Гауссовские процессы Типы классификации машинного обучения Подход к обучению под наблюдением Регрессия Классификация Неконтролируемый подход к обучению Кластеризация Снижение размерности
Взвешенные K ближайших соседей
Веса всегда делают жизнь немного лучше. Итак, следуя нашему сообщению о KNN , мы добавляем к нему еще один слой, который является более реалистичным, то есть взвешенный метод наименьших квадратов. Теперь в KNN наши прогнозы для нового наблюдения были основаны на K ближайших наблюдений, и мы либо слишком среднее/медиану (для регрессии), либо моду (для классификации). Здесь следует отметить одну вещь: мы придали равный вес каждому K ближайшему наблюдению. То есть метка класса K-й..
Kmeans для бинарной классификации
Kmeans используется как неконтролируемый алгоритм кластеризации. Мы действительно можем использовать эту функцию для классификации и сравнивать ее с другими контролируемыми алгоритмами. Здесь я сгенерировал 1000 синтетических данных и применил логистическую регрессию и Kmeans, чтобы увидеть, как эти модели могут классифицировать данные. Это данные, которые используются для бинарной классификации, показанной ниже: Из сгенерированных 1000 данных я разделил их на часть для обучения и..
Анализ классификации покупательских намерений онлайн-покупателей с использованием метода SVM
Привет, встретимся снова! На этот раз я дам руководство по проведению классификационного анализа с использованием алгоритма SVM с Python. Давайте начнем! Фон Доход интернет-магазина ABC резко снизился за 1 год. Владелец хочет проанализировать намерения онлайн-покупателей, купят ли они их товары или нет, посетив веб-страницу своего интернет-магазина. Этот проект направлен на получение модели классификации покупательских намерений онлайн-покупателей, которые посещают веб-страницу..
Машинное обучение для любителей вина: построение модели классификации качества вина — Часть 2
Это вторая часть проекта по качеству вина, в которой я расскажу вам, как построить модель машинного обучения, которая сможет прогнозировать качество вина, используя различные алгоритмы классификации. Также ознакомьтесь с разделом Научный подход к дегустации вин: изучение набора данных о качестве вина — Часть 1 Резюме EDA EDA набора данных о качестве вина дал нам достаточно информации, которая позволит нам построить нашу модель машинного обучения. Подводя итог,..