Публикации по теме 'scikit-learn'
Введение в общие алгоритмы машинного обучения
Алгоритмы машинного обучения — это компьютерные программы, которые могут учиться на данных и делать прогнозы или принимать решения без явного программирования для этого. Эти алгоритмы используются в самых разных областях: от беспилотных автомобилей до обнаружения мошенничества и персонализированных рекомендаций. Вот несколько примеров часто используемых алгоритмов машинного обучения и их применения в реальном мире:
Линейная регрессия. Линейная регрессия — это статистический метод,..
Множественная линейная регрессия с кодом Python
Множественная линейная регрессия — это статистический метод, используемый для моделирования связи между двумя или более независимыми переменными и зависимой переменной. В этом блоге мы обсудим, как реализовать множественную линейную регрессию с помощью Python.
Во-первых, давайте начнем с данных. Мы будем использовать набор данных Boston Housing, который содержит информацию о различных характеристиках домов в Бостоне, таких как уровень преступности, среднее количество комнат в жилище и..
«Выбор правильного набора данных для моделирования машинного обучения с помощью scikit-learn: обзор…
Scikit-learn — это популярная библиотека машинного обучения для Python, которая предоставляет набор примеров наборов данных для тестирования и оценки алгоритмов машинного обучения. Наборы данных являются важным аспектом машинного обучения, поскольку они позволяют нам оценивать производительность различных алгоритмов и точно настраивать их параметры. В этом посте мы обсудим философию использования наборов данных в scikit-learn и более подробно рассмотрим некоторые из наиболее часто..
Библиотеки, используемые в машинном обучении
Машинное обучение — это наука, связанная с программированием компьютера, с помощью которого они могут учиться на различных типах данных, обычно наборах данных большого размера. В последнее время машинное обучение как область быстро расширяется из-за огромной доступности вычислительной мощности, и поэтому сегодня для решения различных типов жизненных проблем обычно используются различные алгоритмы машинного обучения.
Однако машинное обучение — не новая область. Раньше исследователи..
SGDRegressor с Scikit-Learn: невыученные уроки, которые вам нужно знать
Раскрытие скрытых алгоритмических взаимосвязей через запутанное имя
В области машинного обучения линейная модель является фундаментальным методом, который широко используется для прогнозирования числовых значений на основе входных данных. Оценщик SGDRegressor от scikit-learn — это мощный инструмент, который позволяет специалистам по машинному обучению быстро и эффективно выполнять линейную регрессию.
Однако название SGDRegressor может немного сбить с толку новичков. В этой статье мы..
Прогнозирование выхода энергии с использованием линейной регрессии и SGD
В этом проекте мы пытаемся спрогнозировать чистую почасовую выработку энергии (EP) электростанции с комбинированным циклом, используя метод линейной регрессии.
Этот набор данных взят из Репозитория машинного обучения UCI https://archive.ics.uci.edu/ml/datasets/Combined+Cycle+Power+Plant
Мы попытаемся предсказать выход энергии, которая является непрерывной величиной, используя четыре различных функции в качестве входных данных. Для такого рода проблем хорошо подходит модель..
Показатели производительности для моделей машинного обучения (часть 8: оценка F1)
Метрики классификации с использованием Python доктора Элвина Анга
https://www.alvinang.sg/s/Classification_Metrics_for_ML_Models_by_Dr_Alvin_Ang.ipynb
Когда использовать Что?
Что такое оценка F1?
Не нужно сосредотачиваться на приведенной выше формуле…
Что еще важно отметить, так это то, что:
Оценка F1 зависит как от ТОЧНОСТИ, так и от ПОМНЕНИЯ.
О докторе Элвине Анге
Доктор Элвин Анг получил степень доктора философии, магистра и бакалавра в NTU,..