Публикации по теме 'classification'
Проект машинного обучения 10 - Предскажите, какие клиенты купили iPhone
На данный момент мы завершили 9 проектов, охватывающих различные типы регрессий.
# 100DaysOfMLCode # 100ProjectsInML
Регрессия включает прогнозирование непрерывной выходной переменной или количества.
Примеры моделирования с прогнозированием регрессии включают в себя:
Прогнозирование заработной платы сотрудника с учетом его многолетнего опыта. Прогнозирование стоимости дома с учетом города и количества спален. Прогнозирование продаж бизнеса с учетом маркетингового бюджета...
Глава 3: Машина опорных векторов с Math.
В прошлой истории мы говорили о логистической регрессии для задач классификации. В этой истории я хочу поговорить об одном из основных алгоритмов машинного обучения, который является вспомогательной векторной машиной . Приступим!
SVM можно использовать для решения задач как классификации, так и регрессии, в этой истории мы говорим только о классификации (двоичная классификация и линейные данные).
Прежде чем мы погрузимся в историю, я хочу указать на это
Почему SVM ???
У нас..
Мультиклассовые метрики стали проще, часть III: показатель Каппа (он же коэффициент Каппа Коэна)
Метрики
Мультиклассовые метрики стали проще, часть III: показатель Каппа (он же коэффициент Каппа Коэна)
Измерьте соответствие между предсказанными и истинными значениями
В своих предыдущих публикациях Мульти-классовые метрики стали проще я писал о Точность и отзывчивость , а также о F1-счете . Я получил обнадеживающие отзывы от многих читателей. Итак, прежде всего, спасибо! В этом посте я напишу еще об одном популярном показателе: шкале каппа. Вы можете найти показатель..
Часть 2: Деревья решений от А до Я
А-Я деревьев решений
Часть 2: Прирост информации, индекс Джини, переоснащение и недостаточное оснащение
Теперь, когда мы немного узнали о деревьях решений, давайте углубимся в другие похожие концепции.
Получение информации: название вводит в заблуждение
Прирост информации - это фактически ожидаемое снижение энтропии, вызванное разделением набора данных на дерево решений. Однако мы называем это усилением, поскольку измеряем его относительно набора образцов (S).
IG атрибута A для..
Линейный дискриминантный анализ: коды MATLAB, R и Python - все, что вам нужно сделать, это просто подготовить…
Я выпускаю коды MATLAB, R и Python линейного дискриминантного анализа (LDA). Они очень удобны в использовании. Вы готовите набор данных и просто запускаете код! Затем можно получить результаты LDA и прогнозирования для новых образцов. Очень просто и легко!
Вы можете купить каждый код по указанным ниже URL.
MATLAB
Https://gum.co/uVtRo Загрузите дополнительный zip-файл (он бесплатный) по указанному ниже URL-адресу, чтобы запустить код LDA. http: //univprofblog.html.xdomain..
Коэффициент корреляции Мэтьюза
TL;DR :
Для тех, кто не занимается данными: если вы хотите, чтобы результат модели ИИ был согласован в реальной жизни, изучите коэффициент корреляции Мэтьюза в качестве дополнительной метрики оценки.
Для практиков: если вы имеете дело с несбалансированным набором данных и хотите лучше оценить свою модель, коэффициент корреляции Мэтьюза может заинтересовать вас 👍🏻
Hòla 👋
Меня зовут Рекс, и я постараюсь, чтобы эта статья была как можно менее технической, чтобы более эффективно..
Применение 7 алгоритмов классификации к набору данных Titanic
В поисках наиболее точного алгоритма!
Если вы только начинаете заниматься наукой о данных, проект Титаник: Машинное обучение от катастрофы на Kaggle - один из лучших способов изучить алгоритмы классификации! В этой статье я расскажу, как я применил 7 различных алгоритмов классификации к этому набору данных, и выясним, какой из них дает нам наилучшую точность.
Я даже отправил модели на конкурс Kaggle, поэтому мы точно узнаем, как каждая модель работает с неизвестными данными!..