Публикации по теме 'classification'


Внедрение модели распознавания изображений в серверную службу с помощью TensorFlow + ExpressJS
Пошаговое руководство по применению модели TensorFlow, созданной на Python, к серверной части Node.Js (Express). Введение В нынешнюю эпоху мы можем найти множество платформ, веб-сайтов и приложений, которые реализуют машинное обучение для улучшения своих бизнес-процессов и опыта. TensorFlow — это известная платформа с открытым исходным кодом, которая широко используется для разработки модели машинного обучения. Его также можно интегрировать во многие платформы с различными языками,..
Работа с несбалансированным набором данных с помощью TensorFlow, LightGBM и CatBoost
Добавляйте новые инструменты в свой набор инструментов при настройке моделей. Эта статья защищена платным доступом. Чтобы обойти это, откройте эту закрепленную статью со ссылками на добавление в друзья внутри. У вас несбалансированный набор данных; вы хотите уменьшить количество ложноотрицательных результатов (FN) или даже ложных срабатываний (FP). Может быть, вам нравятся нестандартные вещи и вы хотите попрактиковаться, добавляя изменения в стандартные модели. Если да, то..
Обнаружение мошенничества с кредитными картами с помощью Keras: подробное руководство
Добро пожаловать в это захватывающее путешествие в мир обнаружения мошенничества с кредитными картами с использованием возможностей машинного обучения и Python! В этой статье я расскажу вам весь процесс построения надежной модели обнаружения мошенничества с использованием библиотеки Keras. Пристегнитесь, пока мы изучаем каждый шаг, от предварительной обработки данных до оценки модели, при этом добавляя удобные примеры кода и советы, которые сделают ваше обучение плавным и приятным...
Реализация алгоритма дерева решений для классификации с набором данных Titanic в Python
Деревья решений  – это популярный алгоритм машинного обучения , используемый для задач классификации и регрессии . В этом руководстве мы рассмотрим, как реализовать алгоритм дерева решений для классификации с использованием набора данных Titanic в Python. Набор данных «Титаник» является классическим примером в науке о данных и дает прекрасную возможность научиться использовать…
Некоторые мысли о «Предсказаниях»
Только начал читать книгу Натана Сильвера «Сигнал и шум» и вдохновляюсь, хотя я еще на первых страницах, а следующее еще не появилось. Итак, позвольте мне изложить некоторые мысли о прогнозировании и разделить их на три категории: интерполяцию, регрессию и классификацию. Как мы могли бы поместить предсказание в формулу: (q1) f(x) известна на интервале [0,t], и нас интересует значение f(t+d) при d›0 Большую часть времени мы рассматриваем дискретный интервал времени, поэтому (q2)..
Отслеживайте показатели производительности модели в федеративном обучении
Федеративное обучение - это метод машинного обучения, который обучает модель на нескольких децентрализованных устройствах, каждое из которых содержит локальную выборку данных, без обмена этими выборками данных. Представим, что с помощью этой техники вы обучили модель бинарной классификации. Вы хотите протестировать его на данных нескольких устройств, вычислив оценку модели ROC-AUC на каждом из них, а затем усреднив результаты. Возникают следующие вопросы: Насколько эта оценка..
Но что может сделать контролируемое и неконтролируемое обучение?
В этой статье мы рассмотрим проблему, решаемую этими двумя типами обучения в машинном обучении. Контент, который мы рассмотрим: Регрессия. Классификация. Кластеризация. Ассоциация. Это все типы проблем, которые может решить контролируемое и неконтролируемое машинное обучение. Прежде чем мы начнем, нам нужно знать, что это за термины, чтобы понять это, вы можете обратиться к этой статье ниже, https://medium.com/@khanumerkus/let-us-understand-about-machine-learning-and-..