Публикации по теме 'logistic-regression'


Двигаясь вперед с логистической регрессией
Если вы еще не прочитали мою предыдущую статью о линейной регрессии https://medium.com/@the.data.yoga/linear-regression-all-you-need-to-know-de44f93bc5fe , я настоятельно рекомендую вам посетить его, так как мы будем использовать множество концепций из этой статьи для реализации логистической модели, а также для сравнения того, насколько она отличается от модели линейной регрессии. Часто один из распространенных вопросов как учащихся, так и интервьюеров заключается в том, зачем нам нужна..
Как я выиграл свою 21-ю бронзовую медаль на соревнованиях по игровой площадке Kaggle
Во вторник на этой неделе я принял участие в игровом соревновании Kaggle, поспешно запустив программу машинного обучения, прежде чем мне нужно было идти на работу. Я запустил программу только один раз и отправил ее на Kaggle для оценки. К моему удивлению, я набрал 86%, когда самый высокий балл был 87%!
Идентификация звука индейки и визуализация с помощью PCA
Здесь я использую данные соревнования kaggle, посвященного идентификации звука индейки с помощью встроенных аудио-видео на YouTube. Мое исследование также доступно здесь и здесь в виде блокнота. сначала прочитайте данные Данные поезда включают audio_embedding видео YouTube и метку, если встраивание включает звук индейки. Фреймы — это списки, содержащие (в основном) 128 элементов в столбце audio_embedding. Таким образом, каждый vid_id имеет список списков (в основном 10..
Повышение точности логистической регрессии с помощью классификаторов ML, шаг за шагом.
Недавно нашел много полезного в публикации Medium Построение логистической регрессии в Python, шаг за шагом Сьюзан Ли. https://towardsdatascience.com/building-a-logistic-regression-in-python-step-by-step-becd4d56c9c8 Предварительный анализ обучающего набора данных должен включать 1) Анализ исследования данных с помощью графиков кросс-таблиц 2) SMOTE (Synthetic Minority Oversampling Technique) передискретизация 3) Алгоритм преобразования нечисловых данных в числовые с рекурсивным..
Логистическая регрессия с Python
Логистическая регрессия когда-то была самым популярным алгоритмом машинного обучения, но появление более точных алгоритмов классификации, таких как опорные векторные машины, случайный лес и нейронные сети, побудило некоторых инженеров машинного обучения рассматривать логистическую регрессию как устаревшую. Хотя он, возможно, был омрачен более продвинутыми методами, его простота делает его идеальным алгоритмом для использования в качестве введения в изучение машинного обучения. Как и..
Модели регрессии: краткое руководство с примерами из реальной жизни с реализациями Python (Часть II)
В этом руководстве мы обсудим логистическую регрессию и гребенчатую регрессию с реальными примерами и реализациями Python. Это часть II учебника. Часть I доступна по ссылке ниже:
Модель машинного обучения с алгоритмом k-ближайших соседей (kNN)
В этой статье мы разработаем модель машинного обучения с контролируемым обучением с использованием алгоритма k-ближайших соседей (kNN) в Python. Алгоритм kNN Алгоритм kNN — это алгоритм обучения с учителем, который можно использовать для решения задач как классификации, так и регрессии. По алгоритму kNN вычисляются расстояния каждого из наблюдений определенного класса до значений наблюдений, класс которых неизвестен, и выбираются k наблюдений с наименьшим расстоянием. Расстояние до..