Публикации по теме 'classification'
Калибровка классификатора
Почему, когда и как проводить калибровку модели для задач классификации.
При решении проблемы классификации едва ли достаточно собрать только прогнозы на тестовом наборе; чаще всего мы хотели бы похвалить их с некоторой степенью уверенности. С этой целью мы используем связанную вероятность, то есть вероятность, рассчитываемую классификатором, который определяет класс для каждой выборки. Но всегда ли это отражает реальность? А если нет, то как мы можем сказать?
Learning Rate -..
Выбор правильной метрики для оценки моделей машинного обучения - часть 2
Вторая часть серии посвящена метрикам классификации
В первом блоге мы обсудили некоторые важные метрики, используемые в регрессии, их плюсы и минусы, а также варианты использования. В этой части основное внимание будет уделено наиболее часто используемым метрикам в классификации, почему мы должны предпочесть одни другим с учетом контекста.
Определения
Прежде чем рассматривать плюсы и минусы каждого метода, давайте сначала разберемся с основной терминологией, используемой в..
Оценка модели классификации
Модель классификации определяет, к какому из набора категорий относится новое наблюдение. Классификация — это контролируемый подход к обучению, в котором целевая переменная является категориальной.
Оценка модели машинного обучения так же важна, как и ее создание. Мы создаем модели для работы с новыми и невидимыми данными. Следовательно, нам нужно оценить, правильно ли работает наша модель. Оценка модели классификации непроста, поскольку существует множество оценочных показателей...
Что такое оценочные метрики и когда какие метрики использовать?
Метрики оценки используются для оценки моделей машинного обучения. Мы должны знать, когда использовать какие метрики, и это в основном зависит от того, какие цели (метки) у нас есть.
Проблема классификации :
Точность Точность Отзывать Оценка F1 Площадь под кривой ROC или AUC Потеря журнала Точность при k Средняя точность при k Средняя средняя точность при k Коэффициент Джини
Проблема регрессии :
Среднеквадратичная ошибка (MSE) Средняя абсолютная ошибка (MAE)..
Бинарная логистическая регрессия
Обзор и реализация в R
Вы когда-нибудь сталкивались с ситуацией, когда вы хотите предсказать двоичный результат, например:
Доволен ли человек продуктом или нет? Обеспечит ли кандидат поступление в аспирантуру или нет? Кто из двух кандидатов в президенты победит на выборах? Если самолет прибудет в пункт назначения в назначенное время?
Вам на помощь придет очень простой алгоритм машинного обучения - Логистическая регрессия .
Логистическая регрессия - это алгоритм..
Оценка производительности модели
Перед тем, как начать, ссылка гласила: Оценка алгоритмов обучения .
Вам нужно знать, насколько хорошо ваши алгоритмы работают с невидимыми данными. Лучший способ оценить производительность алгоритма — сделать прогнозы для новых данных, ответы на которые вы уже знаете. Второй лучший способ — использовать хитрые методы статистики, называемые методами повторной выборки, которые позволяют вам делать точные оценки того, насколько хорошо ваш алгоритм будет работать с новыми данными.
В..
Краткое введение в классификацию
Краткое введение в классификацию
Итак, мы знаем, что такое регрессионные модели: берем набор данных и создаем модель, которая точно предсказывает расположение новых точек, добавленных в набор данных. Просто .
Но что, если бы у нас был набор данных, который выглядел бы так?
вы могли подумать…. это не похоже на обычные регрессионные модели или графики, которые я видел раньше. Фактически, похоже, что эти два кластера сгруппированы в отдельные категории. И почему синим..
