Публикации по теме 'classification-models'


Ограничивающие рамки малярии — Kaggle Computer Vision Project
Бизнес-проблема: Источник проблемы: Границы малярии P. vivax (малярия), инфицированные мазки крови человека www.kaggle.com Постановка задачи: Малярия  — это переносимое комарами инфекционное заболевание, поражающее людей и других животных . Это вызвано паразитами Plasmodium, которые остаются серьезной угрозой для глобального здравоохранения, поражая 200 миллионов человек и вызывая 400 000 смертей в год. Основными видами..
Инкрементальное экстремальное машинное обучение (I-ELM) с нуля на питоне
Экстремальное машинное обучение состоит всего из 1 скрытого слоя с несколькими нейронами. Это называется нейронной сетью прямой связи с одним скрытым слоем (SLFN). По сравнению с ELM, I-ELM обладает теми качествами, что ошибка вывода неуклонно уменьшается и близка к нулю по мере увеличения количества скрытых нейронов (Huang, Chen, et al., 2006). Это разумно для задач регрессии и классификации в машинном обучении. Следуйте за мной на Github: https://github.com/durveshshah Ссылка..
Как работает логистическая регрессия!
В этом посте мы собираемся изучить математику, лежащую в основе логистической регрессии, не занимаясь слишком много математикой и просто понимая геометрическую интуицию. Чему вы научитесь? Где использовать Логистическую регрессию. Почему мы используем сигмовидную функцию и что это такое на самом деле? Понимание функции потерь без сложной математики. Когда какую регуляризацию использовать. ВВЕДЕНИЕ В машинном обучении есть два типа проблем: первая — это классификация, а другая..
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..
ПИМА ИНДИЙСКИЙ ДИАБЕТ
Машинное обучение для прогнозирования пациентов с диабетом Набор данных изначально получен из Национального института диабета, болезней органов пищеварения и почек. Диабет — это заболевание, которое возникает, когда уровень глюкозы в крови, также называемый сахаром в крови, слишком высок. Глюкоза в крови является вашим основным источником энергии и поступает из пищи, которую вы едите. Инсулин, гормон, вырабатываемый поджелудочной железой, помогает глюкозе из пищи попадать в ваши клетки и..
Полное понимание того, как логистическая регрессия может выполнять классификацию?
Логистическая регрессия (LR) - один из самых популярных алгоритмов классификации в машинном обучении (ML). Даже название предполагает, что это регрессия, но все же используется в качестве классификации, она широко используется, когда приложение имеет требования к низкой задержке, а также хорошо известна своей хорошей интерпретируемостью функций. LR не требует больших вычислительных ресурсов в отличие от KNN, Random Forest, XGBoost. Однако производительность может быть хуже, если..
Как использовать модели классификации для прогнозирования факторов, влияющих на отток клиентов
Классификация — это тип обучения с учителем в машинном обучении, целью которого является прогнозирование меток категориальных классов новых точек данных на основе помеченного набора данных. Другими словами, при заданном наборе точек данных с известными метками классов цель классификации состоит в том, чтобы изучить модель, которая может точно классифицировать новые, невидимые точки данных в один из известных классов. Существует несколько алгоритмов, которые можно использовать для..