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,..