Публикации по теме 'model'
Основы машинного обучения (часть 5)
В этой части давайте немного обсудим множественную регрессию (ознакомьтесь с основами линейной модели в части 2), а затем сразу перейдем к общей линейной модели.
Множественная регрессия
Вычисление p-значения точно такое же, как и раньше, только на этот раз мы вносим изменения с помощью «pmean».
Мы также можем сравнить простую линейную регрессию с множественной регрессией и посмотреть, стоит ли вписываться в множественную регрессию с p-значением, как в следующем уравнении:
Как родилось машинное обучение и термины машинного обучения.
Базовое машинное обучение
Машинное обучение
Артур Ли Сэмюэл был американским пионером в области компьютерных игр и искусственного интеллекта. Он популяризировал термин «машинное обучение» в 1959 году.
Определение машинного обучения таково:
Говорят, что компьютерная программа учится на опыте E в отношении некоторого класса задач T и показателя производительности P, если ее производительность в задаче T, измеряемая P, улучшается с опытом E.
Я знаю, что это сбивает с толку,..
Деревья решений в Python
Краткое введение в этот алгоритм классификации с использованием sklearn
Введение
Из этой статьи мы узнаем, как запустить классификатор дерева решений с использованием пакета Python и sklearn. Кроме того, вы поймете, как разделить набор данных на наборы для обучения и тестирования и как измерить точность модели. Наконец, мы построим модель.
Моделирование в Python
Для этого алгоритма требуется менее 25 строк кода, что характерно для некоторых алгоритмов машинного обучения...
Как выполнить k-кратную перекрестную проверку для задачи несбалансированной классификации
В этой статье мы должны: - сформулировать соответствующие критерии для применения k-кратной перекрестной проверки для проблемы несбалансированного распределения классов; и продемонстрируем, как реализовать это на Python с помощью записной книжки Jupyter.
Эта статья будет охватывать следующие разделы:
Краткий обзор перекрестной проверки K-Fold
Обзор источника данных
Правила правильного применения перекрестной проверки K-Fold в модели несбалансированного распределения..
Раскрытие возможностей Datature: пошаговое руководство по обучению моделей машинного обучения
Модели машинного обучения стали неотъемлемой частью нашей повседневной жизни, начиная с виртуальных помощников и заканчивая идентификацией объектов на изображениях. Однако обучение этих моделей может оказаться непростой задачей, особенно для новичков в этой области. В этом сообщении блога мы представим Datature, мощную и простую в использовании платформу, которая позволяет обучать модели машинного обучения с минимальным кодированием.
1. Настройка данных
Первым шагом в использовании..
как получить предварительно обученную модель для обнаружения объектов
как получить предварительно обученную модель для обнаружения объектов
Чтобы получить предварительно обученные модели для обнаружения объектов в TensorFlow, вы можете использовать TensorFlow Object Detection API. Этот API предоставляет доступ к нескольким предварительно обученным моделям, таким как:
SSD (однокадровый мультибоксовый детектор) Faster R-CNN (региональная сверточная нейронная сеть) Mask R-CNN (сверточная нейронная сеть на основе области маски)
Эти модели были..
Регрессия дерева решений
Модель дерева решений, как следует из названия, представляет собой древовидную модель с листьями, ветвями и узлами. Он используется для задачи регрессии, которую можно использовать для прогнозирования непрерывных выходных данных вместо дискретных выходных данных.
Среднеквадратическая ошибка:
Мы можем предсказать точность регрессионной модели дерева решений, используя среднеквадратичную ошибку (MSE). И, как следует из названия, MSE находит среднее значение всех квадратов ошибок. Его..