Публикации по теме 'scikit-learn'


Введение в машинное обучение с помощью Python
Узнайте об основах машинного обучения и о том, как использовать библиотеки Python, такие как scikit-learn, для создания моделей машинного обучения. Машинное обучение — это быстро развивающаяся область, которая позволяет компьютерам учиться и делать прогнозы без явного программирования. Это мощный инструмент для широкого спектра приложений, от распознавания изображений и обработки естественного языка до обнаружения мошенничества…
Помимо конвейеров: графики как метаоценщики Scikit-Learn
Создавайте управляемые и масштабируемые рабочие процессы машинного обучения с помощью skdag Scikit-learn предоставляет нам гибкую структуру для определения задач машинного обучения (ML), но его поддержка для объединения этих задач в более крупный рабочий процесс часто слишком ограничена для беспорядочного производственного мира. skdag предлагает более мощный подход к составлению задач, который позволяет вам получить гораздо больше от ваших инструментов машинного обучения. Подход..
Пользовательские преобразователи в Scikit-learn Pipeline
В этом блоге мы узнаем: Что такое трубопровод? Зачем нам это нужно? Как создать преобразователи пользовательских функций в библиотеке scikit-learn? Как добавить их в конвейеры мл? pipeline — это класс scikit-learn, который принимает список пар имя/оценка, определяющих последовательность шагов. Зачем нам трубопровод? Он следует стандартным соглашениям о кодировании scikit-learn. Какие бы изменения мы ни вносили в один набор данных, их можно внести в другой набор данных с..
7 лучших практик Scikit-Learn для специалистов по данным
Советы по использованию всех преимуществ этого пакета машинного обучения Scikit Learn — одна из популярных библиотек для машинного обучения, и легко понять, почему. Пакет состоит из простых, но эффективных инструментов, которые сопровождаются подробной документацией. Однако, несмотря на простоту использования, легко допустить ошибку, если не следовать определенным правилам, особенно если вы новичок. Я, например, борюсь с желанием использовать фейспалм, когда вижу некоторые вопиющие..
Классификаторы стекирования для повышения эффективности прогнозирования
Использование мудрости нескольких классификаторов для повышения производительности Цель: Цель этой статьи - предоставить читателю необходимые инструменты для реализации метода ансамблевого обучения, известного как наложение. Материалы и методы: Используя Scikit-learn , мы генерируем набор данных типа Мадлон для задачи классификации. Затем будут индивидуально обучены классификатор опорных векторов (SVC), Nu-Support Vector classifier (NuSVC), многослойный перцептрон (MLP) и..
Как сгенерировать поддельный набор данных с помощью Scikit-Learn и обучить на нем модель кластеризации K-средних
Хорошо, это простой учебник. Поддельные наборы данных полезны для проверки идей и изучения внутренней работы алгоритма машинного обучения. Это способ проверить свои базовые знания перед работой с реальными наборами данных.
Классификация фруктов с K-ближайшими соседями
Мы построим простую форму системы распознавания объектов. Хотя пример, который мы будем использовать, очень прост, он отражает многие из ключевых концепций машинного обучения, которые используются при создании реальных коммерческих систем. О наборе данных Набор данных, который мы будем использовать, представляет собой небольшой и очень простой набор данных для обучения классификатора различению различных типов фруктов. Чтобы создать исходный набор данных, мы идем в ближайший..