Публикации по теме 'classification'
Машинное обучение: попытка классификации данных
Этот пост является частью серии, представляющей Algorithm Explorer: платформу для изучения того, какие методы науки о данных связаны с потребностями вашего бизнеса.
Вводный пост Машинное обучение: с чего начать… можно найти здесь , а Обозреватель алгоритмов - здесь .
Если вы хотите использовать машинное обучение для решения бизнес-задачи, требующей от вас прогнозирования категориального результата, вам следует обратиться к методам классификации.
Методы классификации..
Строительные блоки контролируемого обучения
Цель контролируемого обучения - предсказать результат на основе ряда входных данных. В задачах обучения с учителем можно измерить как входные, так и выходные переменные. Это семейство техник состоит из нескольких ключевых компонентов:
a) Алгоритм обучения - процедура для генерации выходных данных в ответ на входные данные в динамическом режиме, то есть отношения входов / выходов самомодифицируются на основе различий между исходными выходами и сгенерированными выходами.
б) Учитель..
Логистическая регрессия с нуля
Цель этой статьи — дать читателю четкое представление о методе логистической регрессии. Он предполагает знакомство с основами теории вероятностей, линейной алгебры и дифференциального исчисления. Его первая часть исследует обоснование логистической регрессии наряду с необходимыми математическими деталями. Вторая часть посвящена реализации, для которой я использую Python.
Зачем использовать логистическую регрессию?
Это соблазняет прибегнуть к старой знакомой линейной регрессии,..
KNN: K-ближайшие соседи
В этой серии статей мы подробно разберем алгоритм K-Nearest Neighbor (KNN).
Начнем с того, что K-NN классифицируется как алгоритм машинного обучения с учителем. Для тех, кто хочет понять алгоритмы машинного обучения с учителем и без учителя, здесь является ссылкой на то же самое. Короче говоря, контролируемое обучение имеет определенную метку класса.
Прежде чем углубляться в детали KNN, давайте сначала поймем, что мы имеем в виду под проблемой классификации и проблемой регрессии...
Что такое контролируемое обучение
Обучение с учителем
Контролируемое обучение, как следует из названия, использует входные данные для прогнозирования ценности выходных данных. На практике чаще всего используется обучение с учителем. Результат может быть как качественным, так и количественным. Выход является количественным, когда мы получаем непрерывный результат, то есть числа. Результат может быть качественным, если мы получим описательные уровни, а не числа.
Мы используем метод регрессии, когда результат является..
GstInference - выполнение вывода TensorFlow на GStreamer
GStreamer
GStreamer - это фреймворк для создания потоковых мультимедийных приложений и плагинов:
Прикладные программисты могут легко создать конвейер мультимедиа, не написав ни единой строчки кода, используя его обширный набор плагинов. Программисты плагинов могут использовать его чистый и простой API для создания автономных плагинов. Он также предоставляет набор расширяемых базовых классов, которые можно использовать путем наследования объектов.
Узнайте больше о GStreamer в..
Иерархическая классификация с локальными классификаторами: вниз по кроличьей норе
Построение вашей первой иерархической классификационной модели? Этот пост для вас.
Иерархические данные повсюду вокруг нас. Как специалисты по данным, мы уже привыкли выравнивать их, игнорируя естественную таксономию данных, чтобы мы могли легко скормить их нашим моделям машинного обучения. Но есть, говорят, другой выход. Тот, который сохраняет эту ценную информацию, скрытую внутри иерархии. Такой, который может помочь нам разработать наши модели классификации, чтобы они были более..
