Публикации по теме 'logistic-regression'
Классификация диабета с помощью knn и логистической регрессии
Введение Машинное обучение имеет много новых и отличных применений в области здравоохранения и может сделать диагностику пациентов намного проще и точнее, принимая во внимание, что используется правильный объем данных с точки зрения размера. и имеет смысловое отношение к проблеме.
Проблема проблема, о которой пойдет речь в этой статье, — это проблема классификации, позволяющая определить, является ли человек диабетиком или нет, принимая во внимание такие атрибуты, как инсулин, кровяное..
Распознавание рукописных цифр с помощью scikit-learn
Распознавание рукописного текста — это проблема, которая восходит к первым автоматическим машинам, которым нужно было распознавать отдельные символы в рукописных документах. Подумайте, например, о почтовых индексах на письмах в почтовом отделении и об автоматизации, необходимой для распознавания этих пяти цифр. Безупречное распознавание этих кодов необходимо для автоматической и эффективной сортировки почты. В число других приложений, которые могут прийти на ум, входит программное..
Понять и построить: логистическая регрессия с нуля
Построение логистической регрессии с нуля в NumPy. Это проще, чем вы думаете!
Во многих отношениях модели логистической регрессии - один из самых простых инструментов классификации машинного обучения в наборе инструментов специалиста по данным. Понимание того, как они работают, напрямую помогает нам понять глубокие нейронные сети для задач классификации.
Здесь мы расскажем о математике модели, о том, как ее обучить и как построить на Python с помощью numpy.
Математика, лежащая в..
Tensorflow 2 для глубокого обучения - логистическая регрессия (Softmax)
Примечание. Программные файлы для tenorflow 2 можно найти на - https://github.com/ashwinhprasad/Tensorflow-2.0
Логистическая регрессия используется для задач классификации, и в этом блоге вы познакомитесь с реализацией логистической регрессии с использованием Tensorflow 2. Это сообщение в блоге не будет посвящено теориям, касающимся логистической регрессии, и теория является предварительным условием.
Перейдем к части кода:
1. Импорт набора данных
Набор данных, который..
Предотвращение оттока и анализ выживания
Прогнозирование оттока клиентов важно для нацеливания на ценных клиентов и удержания тех, кто подвергается риску. А возможность моделировать время до того, как человек уйдет или разместит следующий заказ, помогает бизнесу узнавать о будущих действиях и распределять свой маркетинговый бюджет. Представьте, что вы можете узнать, что клиенты с определенными качествами сделают вторую покупку, несмотря ни на что. Это может помочь компаниям не тратить деньги на этот сегмент и максимизировать..
Построение логистической регрессии в Python
Предположим, вам выставили баллы по двум экзаменам для разных абитуриентов, и цель состоит в том, чтобы классифицировать кандидатов на две категории на основе их оценок, то есть в Класс-1, если кандидат может быть принят в университет, или в Класс-0, если кандидат не может быть допущен. Можно ли решить эту проблему с помощью линейной регрессии? Давайте проверим.
Примечание. Я предлагаю вам прочитать Линейная регрессия , прежде чем продолжить этот блог.
Оглавление
Что такое..
Квазибиномиальная логистическая регрессия
Квазибиномиальная логистическая регрессия
Эта история призвана объяснить квазибиномиальную логистическую регрессию многим начинающим исследователям данных в терминах непрофессионала.
В логистической регрессии наша переменная ответа - это двоичные данные (переменная Бернулли). Например, в огромном наборе данных часть пассажиров выжила, а часть, к сожалению, не выжила. Здесь условие выживания - это двоичная переменная, соответствующая распределению Бернулли.
Давайте представим себе..
