Публикации по теме 'classification'


Классификация по нескольким классам и меткам с помощью XGBoost
XGBoost уже очень хорошо известен своими выступлениями в различных соревнованиях Kaggle и тем, что он имеет хорошую конкуренцию с алгоритмами глубокого обучения с точки зрения точности и результатов. Хотя XGBoost является одним из многих решений проблем машинного обучения, было бы менее тривиально реализовать его усилитель для многоклассовой или многоуровневой классификации, поскольку он не реализован напрямую в Python API XGBClassifier . Имея это в виду, я постараюсь смягчить..
Логистическая регрессия - интуитивный подход
В предыдущей статье вы разобрались с математикой и интуицией, лежащими в основе линейной регрессии , фундаментального алгоритма, используемого для бесконечного прогнозирования значений. Короче говоря, вы пытаетесь подогнать линию к заданному набору точек, минимизируя функцию стоимости. Теперь давайте попробуем понять интуицию, лежащую в основе другого фундаментального, но важного алгоритма под названием « Логистическая регрессия ». В этой статье мы подчеркнем сходство между линейной и..
Аудиоклассификация с использованием вейвлет-преобразования и глубокого обучения
Пошаговая реализация для классификации аудиосигналов с использованием непрерывного вейвлет-преобразования (CWT) в качестве функций. Вступление Аудиоклассификация - очень важная задача. В последнее десятилетие было проведено множество исследований по классификации звука с использованием различных функций и архитектур нейронных сетей. Некоторые практические применения этого метода - распознавание динамиков, классификация звуков окружающей среды, классификация музыкальных жанров и..
Использование логистической регрессии для создания двоичного и мультиклассового классификатора с основ
Использование Python для создания бинарных и мультиклассовых классификаторов, оптимизированных с градиентным спуском Поскольку наука о данных и машинное обучение стали неотъемлемой частью многих областей промышленности и академических исследований, базовая грамотность в этих методах может быть очень полезной для выявления тенденций в данных, особенно когда размер наборов данных быстро увеличивается. Имея опыт работы в экспериментальной науке, линейная регрессия всегда казалась довольно..
Мой первый вклад в науку о данных - сверточную нейронную сеть, которая распознает изображения…
Узнайте, как сверточные нейронные сети можно применять для классификации глупых изображений После завершения популярного онлайн-курса Стэнфордского машинного обучения, который преподавал Эндрю Нг, я понял, что пришло время для моего первого проекта машинного обучения / глубокого обучения. Я хотел создать глупую нейронную сеть, которая может распознавать Николаса Кейджа на изображении. Мы будем использовать сверточную нейронную сеть (CNN) для распознавания изображений мистера Кейджа...
Алгоритм случайной классификации леса.
Вы когда-нибудь слышали о классификации вещей в реальной жизни или в машинном обучении? Нет? Что ж, пора их узнать! Итак, что такое алгоритм классификации? Алгоритм классификации классифицирует или предсказывает, к какой категории атрибута класса относится определенное наблюдение. Давайте возьмем пример дерева решений, чтобы лучше проиллюстрировать их. Примечание . Категория может быть как категориальной, так и непрерывной. Таким образом, приведенное выше дерево решений..
Многоклассная классификация с фокусными потерями для несбалансированных наборов данных
Потеря фокуса была предложена для задачи обнаружения плотных объектов в начале этого года. Это позволяет обучать высокоточные детекторы плотных объектов с дисбалансом между классами переднего и заднего плана в масштабе 1: 1000 . Из этого туториала Вы узнаете, как применить фокальные потери для обучения модели классификатора с несколькими классами, учитывая сильно несбалансированные наборы данных. Фон Давайте сначала рассмотрим другие способы лечения несбалансированных наборов..