Публикации по теме 'classification'


Кривые точности-отзыва
Иногда кривая стоит тысячи слов - как рассчитать и интерпретировать кривые точности-отзыва в Python. В предыдущем посте я рассмотрел кривые ROC и AUC - как их рассчитать и как их интерпретировать. Сегодня я собираюсь выполнить еще одно упражнение для аналогичного показателя эффективности бинарной классификации - кривые точности-отзыва . Кривые точности-отзыва Как и кривая ROC , кривая точности-отзыва используется для оценки производительности алгоритмов двоичной..
Как мы использовали машинное обучение и эвристическую маркировку данных, чтобы помочь клиентам в миграции в облако
Как специалист по обработке данных в группе Microsoft Cloud Data Sciences, я тесно сотрудничаю с внутренними заинтересованными сторонами, чтобы найти способы использовать методы машинного обучения (ML) для обнаружения и выявления закономерностей в данных, которые помогают нашему бизнесу принимать более обоснованные решения от имени наших клиентов. Поскольку о нашей работе часто судят по удовлетворенности заинтересованных сторон, важно, чтобы мы внимательно прислушивались к их требованиям и..
Машинное обучение с участием человека
Машинное обучение с участием человека Важнейшим требованием для машинного обучения с учителем является доступ к достоверным данным. Но еще одна необходимость заключается в том, чтобы предоставить на этапе обучения соответствующий вклад от экспертов в предметной области. Тогда решающий вопрос: если у вас есть доступ к очень ценному эксперту в предметной области, как вы можете извлечь максимальную пользу из его времени? В качестве типичного примера контролируемого подхода мы..
Различные типы машинного обучения и их виды.
Предварительное условие: Введение в машинное обучение Контролируемые и неконтролируемые в основном используются многими инженерами по машинному обучению и компьютерными фанатами. Обучение с подкреплением действительно мощное средство, и его сложно применять для решения проблем. Обучение с учителем как мы знаем из прошлой истории, машинное обучение принимает данные в качестве входных данных. Назовем эти данные данными обучения Данные обучения включают в себя как..
Фильтрация изображений, не являющихся фотографиями
Мы учимся обучать сверточную нейронную сеть классифицировать фото и не фото изображения менее чем за 10 минут в бесплатной графической среде Google Colab. Создание обучающего набора данных Мы хотим автоматически классифицировать изображения по двум категориям: фотографии и не фотографии (например, документы, скриншоты, фотографии на доске и т. д.). Это проблема бинарной классификации, и, как и многие другие проблемы, которые можно решить с помощью моделей нейронных сетей, для этого..
Мультиклассовые метрики стали проще, часть I: точность и отзывчивость
Показатели эффективности для точности и отзыва в мультиклассовой классификации могут немного - или очень - сбивать с толку, поэтому в этом посте я объясню, как используются точность и отзыв и как они рассчитываются. На самом деле все очень просто! Но сначала давайте начнем с краткого обзора точности и отзывчивости бинарной классификации. (Есть еще Часть II: оценка F1 , но я рекомендую вам начать с части I). В бинарной классификации у нас обычно есть два класса, часто называемые..
Как выбрать правильный алгоритм для обучения вашего ИИ, контролируемое обучение
Обучение с учителем — одна из основных парадигм искусственного интеллекта. Он содержит множество алгоритмов: в большинстве случаев необходимо опробовать многие из них на одной задаче и оценить их эффективность. Учитывая сложность аргумента и количество алгоритмов для перечисления, я сосредоточусь только на перекрестных данных (данные временных рядов, если вам интересно, обычно решаются с помощью LSTM (рекуррентные нейронные сети) или CNN (сверточные нейронные сети). ). Я ограничусь..