Публикации по теме 'classification-algorithms'


Подробное тематическое исследование многокомпонентной классификации с алгоритмами машинного обучения и…
В этом сообщении блога мы поговорим о решении проблемы классификации с несколькими метками с использованием различных подходов, таких как - использование OneVsRest , двоичная релевантность и цепочки классификаторов . Мы решим этот кейс, решив проблему социальных тегов фильмов. Социальные теги фильмов раскрывают много контрастирующей и несвязанной информации о фильмах, например к какому жанру принадлежит конкретный фильм, его сюжетной структуре, информации о саундтреках, метаданных..
Матрица путаницы в машинном обучении
Были ли вы в ситуации, когда вы ожидали, что ваша модель машинного обучения будет работать очень хорошо, но она выдала низкую точность? Вы проделали всю тяжелую работу — так где же модель классификации пошла не так? Как вы можете исправить это? Существует множество способов оценить эффективность вашей модели классификации, но ни один из них не выдержал испытания временем, как матрица путаницы. Это помогает нам оценить, как работала наша модель, где она пошла не так, и предлагает нам..
Машинное обучение: классификация против регрессии
В последние годы машинное обучение и искусственный интеллект стали популярными модными словечками. Они относятся к способности машин учиться на данных и делать прогнозы или решения на основе этих данных. Существуют разные типы проблем машинного обучения, и два из наиболее распространенных — это классификация и регрессия. Проблемы классификации Классификация — это тип задачи обучения с учителем, цель которой — предсказать категориальную переменную. Категориальная переменная может..
ИЗУЧЕНИЕ АЛГОРИТМОВ КЛАССИФИКАЦИИ: K-БЛИЖАЙШИХ СОСЕДЕЙ И ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ
ПРЕАМБУЛА Исследования показали, что ежедневно создается более 300 миллионов данных. Источники этих больших данных разнообразны, поэтому для их понимания требуются надежные методы машинного обучения, которые могут учитывать это разнообразие и эффективно оптимизировать процесс получения значимых выводов. В этом сообщении блога я рассмотрю один из этих надежных методов; классификация. Я кратко объясню некоторые ключевые концепции алгоритмов классификации в машинном обучении и, в..
Подготовка данных перед моделированием с помощью классификатора логистической регрессии
Логистическая регрессия — это алгоритм классификации машинного обучения, несмотря на его название «Регрессия», который используется для прогнозирования вероятности возникновения события. Это называется «логистической» регрессией из-за использования логистической функции (также известной как сигмовидная функция) для прогнозирования. Что касается фона, классификатор логистической регрессии имеет некоторые преимущества, которые делают его популярным среди других алгоритмов классификации...
Остановить обнаружение знаков с помощью логистической регрессии - Часть I
В этом руководстве мы будем использовать двоичную логистическую регрессию для обучения классификатора красного цвета в Python. Чтобы руководство было относительно коротким, я разделил его на две части - Часть I. Создание цветового классификатора с использованием логистической регрессии. Часть II: Обнаружение знаков остановки с использованием двоичной маски, полученной из цветового классификатора. Первым шагом любой проблемы машинного обучения является доступ к хорошему набору..
Все о контролируемом обучении
Humant Sattabhayya 27–02–2022 Введение В этой статье больше внимания будет уделено обучению с учителем. Обучение под наблюдением является важным аспектом науки о данных. Это задача машинного обучения для вывода функции из помеченных обучающих данных. Данные для обучения состоят из набора обучающих примеров. В обучении с учителем каждый пример представляет собой пару, состоящую из входного объекта (обычно вектора) и желаемого выходного значения (также называемого управляющим..