Публикации по теме 'classification'
Понимание контролируемого обучения: подробное руководство по моделям классификации и регрессии
Машинное обучение и контролируемое обучение
Машинное обучение (МО) — это область искусственного интеллекта (ИИ), которая включает использование статистических и вычислительных методов, позволяющих компьютерам учиться на данных и делать прогнозы или решения без явного программирования.
Обучение с учителем — это один из основных типов машинного обучения, при котором алгоритм учится сопоставлять входные переменные (также называемые признаками или предикторами) с целевой переменной..
Объединение глубокого обучения и случайных лесов в Tensorflow
Последние несколько месяцев я работал над проектом по обнаружению аномалий, и мне нужно было классифицировать временные последовательности по различным классам. Для этого меня привлекло элегантное решение с использованием Архитектуры автоэнкодера . Однако в целом я также большой поклонник случайных лесов для классификации (больше, чем нейронных сетей) из-за их быстрой сходимости к результатам и надежности.
Я использую реализацию алгоритма scikit-learn со времен учебы в университете,..
Определение того, какие док-станции bikeshare будут пустыми или полными
Городские системы проката велосипедов - прекрасный способ передвигаться по городу. Это отличный вариант транзита как для туристов, так и для пассажиров. Тем не менее, прибытие в пункт назначения и обнаружение того, что пустых доков не осталось, может быть неприятным. Не менее неприятно найти совершенно пустую станцию для проката велосипедов в самом начале поездки.
Мы должны иметь возможность использовать исторические данные о занятости, погоде и населении, чтобы определять, когда..
Объяснимость машинного обучения с использованием деревьев решений, случайных лесов с использованием Python
В этом тематическом исследовании я буду использовать данные о выживании Хабермана и сделаю прогноз с помощью классификатора дерева решений, а затем сделаю то же самое, используя случайные леса и градиентное повышение, а затем запущу различные подходы к объяснимости машинного обучения.
Различные атрибуты в данных следующие:
Attribute Information:
1. Age of patient at time of operation (numerical)
2. Patient's year of operation (year - 1900, numerical)
3. Number of positive..
Контролируемое обучение с помощью Azure
Машинное обучение звучит круто, не правда ли? Я изучаю биологию и ничего не понимаю в этой области информатики. Эта изоляция дала мне время и силы изучить это. Для тех, кому нужно непрофессиональное введение в машинное обучение, я поделюсь примером. Однажды мой папа спросил меня, что я продолжаю изучать? Я не знала, как ему это объяснить. В моей голове были слова «нормализация», «переоснащение», «модели», «лазурь» и т. Д. В следующую минуту он пытался набрать текст другу, используя..
Мультиклассовая классификация против многоуровневой классификации
Введение:
В области машинного обучения классификация является фундаментальной задачей, когда данные классифицируются по заранее определенным классам или меткам на основе определенных функций. Классификация по нескольким классам и классификация по нескольким меткам — два популярных метода, используемых для решения различных типов задач классификации. Этот блог призван обеспечить четкое понимание этих концепций и проиллюстрировать их различия и приложения.
Давайте рассмотрим один метод и..
Нейронная сеть с несколькими выходами
Эта записная книжка использует простую CNN с несколькими головками для задачи классификации нескольких классов в динамически создаваемом наборе данных. Модель построена с использованием функционального API Keras
Неисчерпывающий список преимуществ нейронных сетей с несколькими головками (или несколькими выходами): — «НС может изучать скрытые представления, которые полезны для прогнозирования всех выходных данных сети. NN» https://goo.gl/xQQJ74 — Если выходные данные NN используют..