Публикации по теме 'classification'
Машинное обучение
Технический : область исследования, которая дает компьютерам возможность учиться без явного программирования.
Функциональность : говорят, что компьютерная программа учится на опыте E в отношении некоторой задачи T и некоторого показателя производительности P, если ее производительность на T, измеряемая P, улучшается с опытом E.
Неспециалист . Машинное обучение позволяет компьютерам учиться и делать выводы на основе данных.
Алгоритмы машинного обучения:
контролируемое обучение..
Как машины учатся? Интуиция
Машинное обучение чрезвычайно популярно в наши дни, влияя на то, какой контент мы видим, какие продукты мы покупаем, кому будет выдана ипотека, а кому нет. Но как это работает?
К концу статьи вы поймете, как такая машина, как компьютер, может обучаться. Цель этой статьи - развить интуицию во внутреннем устройстве машинного обучения. Не фокусируясь на каком-то конкретном алгоритме, а на интуиции, стоящей за ними.
Машинное обучение и Искусственный интеллект решают множество..
IBM Watson NLC и классификация намерений
Обработка естественного языка
Обработка естественного языка (NLP) занимает огромное место среди искусственного интеллекта, и его возможности с каждым днем все больше и больше встраиваются в корпоративные решения. Частью НЛП является синтаксический анализ и семантическая интерпретация текста, и это позволяет компьютерам изучать, анализировать и понимать тонкости человеческого языка. НЛП может помочь МСП в извлечении соответствующей информации из текста, такой как сущности, отношения,..
Несбалансированные данные - обнаружение мошенничества
Путь к обнаружению мошенничества с кредитными картами
Для краткости опущен некоторый код. За подробностями обращайтесь на мой GitHub .
Для многих наборов данных реального мира, в которых мы хотели бы провести классификацию, использование данных в том виде, в каком они есть, просто не поможет. Причина в том, что большинство алгоритмов классификации, таких как логистическая регрессия, предполагают, что количество наблюдений для каждого класса примерно одинаково. Когда данные..
Лай и мяуканье для классификации звука
После представления исследований кластеризации и визуализации набора данных изображения собаки/кошки стоит рассмотреть задачи для набора аудиоданных собаки/кошки. В этом посте рассматриваются некоторые проблемы дизайна для разработки и оценки подходов машинного обучения для классификации аудио в Audio Cats and Dogs in Kaggle . Поскольку это небольшой и несбалансированный набор аудиоданных (164 wav-файла о кошках, 113 wav-файлов о собаках, длительность от 0,9 до 17,9 секунд), в..
Проект 3 — Прогнозирование продуктов на основе данных Instacart
Третий проект в Metis был сосредоточен на контролируемом обучении и классификации. Я решил работать с набором данных Kaggle, предоставленным Instacart. Этот набор данных включал историю заказов для более чем 100 000 пользователей за определенный период времени. Данные были далее разбиты на конкретные продукты, которые были куплены в каждом заказе.
Данные
Для своего проекта я решил построить модель контролируемого обучения, которая будет предсказывать, будет ли пользователь..
Нейронные сети для новичков в машинном обучении
Это первый блог, который я пишу по основам машинного обучения. В частности, я хотел бы в некоторой степени объяснить принцип работы архитектур нейронных сетей (до такой степени, что мы можем использовать наше воображение для визуализации сети). Моя мотивация написать эту статью - это совет Дэвида Робинсона: Если вы написали один и тот же код 3 раза, напишите функцию. Когда вы дали один и тот же личный совет 3 раза, напишите сообщение в блоге и поверьте мне, я объяснял это гораздо больше,..
