Представьте, что у вас есть друг, который любит играть в дартс. Они бросают дротики в цель, и вы хотите знать, насколько хорошо они попадают в яблочко. Чем ближе их дротики приземляются к центру, тем лучше они. MSE — это способ измерить, насколько хорошо ваш друг попадает в центр мишени своими дротиками. Он берет все расстояния между местом приземления каждого дротика и центром мишени, возводит эти расстояния в квадрат, суммирует их, а затем делит на количество дротиков. Итак, если..

Практическое руководство по подготовке данных для алгоритмов машинного обучения В частях 1 и 2 этой серии мы обсудили анализ данных и разработку новых функций, которые улучшат наши прогностические модели. В этом посте будет представлена ​​концепция предварительной обработки данных. Что такое предварительная обработка данных Предварительная обработка данных — это манипулирование данными, включая удаление нерелевантных и/или неполных функций, и/или анализ данных для..

В машинном обучении есть серьезная проблема, даже если вы получите хороший результат, как вы узнаете, что это хороший результат? Мы будем изучать метрики, используемые для оценки проблем регрессии. Эта статья поможет вам ответить на следующие вопросы? Каковы хорошие показатели для регрессионной оценки? Почему использование MSE и RMSE не является хорошей идеей для метрик оценки регрессии? Почему скорректированный R² предпочтительнее R²? Почему использование MSE или RMSE не..

С июня 2020 года я больше не буду использовать Medium для публикации новых историй. Если хотите и дальше читать мои статьи, посетите мой личный блог: https://vallant.in . Прогнозирование - это итерационная задача: вы строите свою модель, измеряете ее производительность и начинаете заново, пока не добьетесь прогресса. А прогресс измеряется метриками. Таким образом, метрики - единственный способ понять, хорошо вы работаете или нет. Выбор используемой метрики зависит от различных..