Публикации по теме 'classification'


Деревья решений
Что такое дерево решений? Дерево решений  – это иерархическая модель обучения, которая делит пространство с помощью правил принятия решений. Это контролируемый алгоритм машинного обучения, используемый как для задач классификации, так и для регрессии. Дерево решений можно представить в виде структуры, похожей на блок-схему, где каждый внутренний узел представляет функцию (или атрибут), каждая ветвь представляет правило принятия решения, а каждый листовой узел представляет..
Написание классификаторов машинного обучения за 10 минут с помощью Python и Sklearn
Независимо от того, являетесь ли вы новичком в мире заработка M ахина L или у вас есть кое-какие ноу-хау, эта статья поможет вам изучить практическую сторону программирования в ML. Обычно машинное обучение бывает следующих типов: Контролируемое обучение Неконтролируемое обучение Обучение с подкреплением В этой статье мы сосредоточимся только на «контролируемом обучении», поскольку это часто является отправной точкой в ​​машинном обучении. Обычно контролируемое обучение - это..
Обработка дисбаланса классов в машинном обучении
Методы и стратегии улучшения производительности модели на несбалансированных наборах данных Дисбаланс классов — это ситуация, когда количество экземпляров в каждом классе набора данных не равно. Другими словами, некоторые классы имеют значительно больше экземпляров, чем другие. Например, в задаче бинарной классификации, где один класс является положительным классом, а другой — отрицательным классом, если положительный класс имеет только несколько экземпляров по сравнению с..
Машины опорных векторов в машинном обучении + реализация кода
Еще один полезный инструмент для вас! Введение Машины опорных векторов (SVM), алгоритмы контролируемого обучения, используются для решения задач классификации, регрессии и обнаружения выбросов. SVM довольно популярны, поскольку они могут обрабатывать нелинейные отношения и многомерные данные. II. СВМ Интуиция Хотя алгоритм SVM способен работать с регрессией, изначально он был разработан для решения задач классификации. Основная цель алгоритма SVM — найти оптимальную..
Навигация по предвзятости, укрощение дисперсии и знакомство с новыми моделями машинного обучения!
Ключевые термины Смещение определяет ошибку модели ML (машинного обучения). Высокое значение смещения означает, что модель обобщает обучающий набор данных и не может определить взаимосвязь между данными и метками. Дисперсия измеряет, насколько разбросан набор данных, чтобы определить его диапазон возможных значений. Примеры Линейная регрессия Модели линейной регрессии ( рис. 1 ) имеют низкую погрешность и дисперсию наборов обучающих данных. Если наборы данных не..
Выбор правильного алгоритма машинного обучения для вашего проекта !!
Выбор правильного алгоритма машинного обучения для конкретной задачи зависит от нескольких факторов, таких как тип проблемы, которую вы пытаетесь решить, размер и качество ваших данных, доступные вычислительные ресурсы и желаемые показатели производительности. Вот несколько рекомендаций по выбору лучшего алгоритма машинного обучения для вашей задачи: Классификация и регрессия. Если вы пытаетесь предсказать категориальную переменную, например, является ли электронное письмо спамом, вам..
Машины опорных векторов
Машины опорных векторов (SVM) легко используются для решения задач классификации. Их основная задача — нарисовать гиперплоскость между двумя разными категориями данных. В этом сообщении блога мы узнаем о классификаторе максимальной маржи, классификаторе опорных векторов и машинах опорных векторов. Начнем с изучения того, что такое гиперплан. На приведенном выше рисунке мы ясно видим, что 2-мерная плоскость разделяет синие и красные точки. Предположим, мы получаем новую точку и..