Публикации по теме 'classification'


Классификация
Классификация — это контролируемый метод машинного обучения, при котором модель пытается предсказать правильную метку заданных входных данных. При классификации модель полностью обучается с использованием обучающих данных, а затем она оценивается на тестовых данных, прежде чем использоваться для прогнозирования новых невидимых данных, программа учится на данном наборе данных или наблюдениях, а затем классифицирует новые наблюдения в ряд. классы или группы. Основная цель алгоритма..
MLxtend для более умной интерпретации вашего классификатора
«Мы должны добавить некоторую регуляризацию, чтобы избежать переобучения». Это предложение часто используется блоггерами и ютуберами, занимающимися машинным обучением, для оправдания регуляризации слоев нейронной сети. Но лишь немногие объясняют логику регуляризации. В этом блоге я пытаюсь дать интуитивное обоснование важности регуляризации (L2). Интуиция Проще говоря, переобучение — это «слепое изучение» тренировочных данных. Как видно на рисунке ниже, переобученная модель..
Как выбрать лучший показатель оценки для задач классификации
Как выбрать лучший показатель оценки для задач классификации Полное руководство, охватывающее наиболее часто используемые метрики оценки для контролируемой классификации и их полезность в различных сценариях. Чтобы правильно оценить модель классификации, важно тщательно продумать, какая метрика оценки является наиболее подходящей. В этой статье будут рассмотрены наиболее часто используемые метрики оценки для задач классификации, включая соответствующие примеры, и будет предоставлена..
Демистификация логистической регрессии: простое руководство
Введение В мире науки о данных и машинного обучения логистическая регрессия является мощным и широко используемым алгоритмом. Несмотря на свое название, он не имеет ничего общего с логистикой или перемещением товаров. Вместо этого это основной инструмент для задач классификации, помогающий нам предсказать, относится ли что-то к одной из двух категорий, например, да/нет, правда/ложь или спам/не спам. В этом блоге мы разберем концепцию логистической регрессии и объясним ее как можно..
k-ближайшие соседи для классификации литологии по каротажным диаграммам с использованием Python
Разделение геологической среды на основе измерений каротажа k-ближайшие соседи (kNN) — это популярный непараметрический алгоритм машинного обучения с учителем, который можно применять как к задачам классификации, так и к задачам регрессии. Его легко реализовать на Python и легко понять, что делает его отличным алгоритмом для начала изучения, когда вы начинаете свой путь машинного обучения. В этой статье мы расскажем, как работает алгоритм kNN и как применять его к данным каротажа..
Обобщающая классификация scikit-learn для HAM10000
В этой статье мы рассмотрим обобщение нашего рабочего процесса классификации с помощью библиотеки scikit-learn для создания алгоритма обнаружения рака кожи с набором данных HAM10000. Эта статья является частью большой серии, посвященной набору данных HAM10000 — пожалуйста, обратитесь к вводной статье . Рекомендуется прочитать предыдущие статьи серии Логистическая регрессия на HAM10000 и Классификация KNN на HAM10000 , так как предполагается, что читатель имеет представление о..
Классификация: Прогнозирование сепсиса с помощью машинного обучения и FastAPI
Часть 2 1.0 Что такое API? API — это своего рода мост между вашей моделью машинного обучения (ML) и вашим приложением. В контексте развертывания приложения машинного обучения для прогнозирования сепсиса, вот как это работает: Создайте приложение машинного обучения, которое использует обученную модель для прогнозирования сепсиса. Разверните API вместе с приложением. Приложение отправляет данные пациента в API. API перенаправляет данные в модель машинного обучения. Модель ML..