Публикации по теме 'sklearn'


Прогнозирование значений ИМТ с помощью линейной регрессии опорных векторов
Регрессионное моделирование с помощью LinearSVR В этом примере LinearSVR из sklearn используется для прогнозирования значений ИМТ для выборки пациентов из набора данных о диабете индейцев пима . В частности, мы увидим, как использовать LinearSVR, чтобы подогнать гиперплоскость к наблюдениям в вопросах, как показано на изображении выше, и уместить столько экземпляров, сколько возможно в этой гиперплоскости, одновременно ограничивая нарушения границ. В этом отношении LinearSVR..
Обзор предиктора музыкального жанра с машинным обучением
Особенности Исследование данных: 232 тыс. песен из Spotify в 26 жанрах + 15 функций анализа звука. 26 жанров песен, классифицированных Spotify R&B, хип-хоп, соул, электроника и т. д. Подготовка данных: удалите ненужные жанры, измените тип данных и добавьте дополнительные столбцы. Базовое распространение: саундтрек — 4,6%, инди — 4,5% Чем больше функций, тем лучше — используется 15 функций. После добавления дополнительных функций модель улучшается с 29,8% до 32,4%. Удаление..
Sci-Kit Learn .fit(), .transform(), .fit_transform() Разница в методах
Здравствуйте, я решил поделиться на Medium темами, которые я запутал, пытаясь изучить алгоритмы машинного обучения, или у меня возникли трудности с поиском пояснительных источников на английском и турецком языках о понятиях, которые я изучил для удобства новичков с информацией, которую я приобрел сам, Я надеюсь, что смогу помочь. Метод .fit() Мы используем этот метод при преобразовании набора данных, кодировании этикетки или установке модели. Для реализации каждого из этих методов..
Конвейеры Scikit-Learn с настраиваемым преобразователем - пошаговое руководство.
Алгоритм данных и модели - это два основных модуля, от которых зависит полное машинное обучение. В модуле данных извлечение данных и их обработка (или более известная как разработка функций) играют решающую роль в полном жизненном цикле построения модели. В реальной жизни любая проблема машинного обучения, как правило, имеет сотни входных функций, вокруг которых необходимо концептуализировать решение. Чтобы понять характеристики данных и создать отчет об анализе соответствия для..
Как создать матрицу spd в Python
В моем прошлом посте я рассказывал о создании разреженного закодированного сигнала, который можно прочитать здесь: https://medium.com/geekculture/how-to-make-a-sparse-coded-signal-with-sklearn- f28bacb2fedf» В этом посте я хотел бы продолжить работу с одним из самых малоизвестных наборов данных sklearn — make_spd_matrix. Этот набор данных возвращает случайную симметричную положительно определенную матрицу. Я исследовал Интернет и не нашел много информации об этом наборе данных, за..
Настройка гиперпараметров вашей модели машинного обучения с помощью GridSearchCV
Узнайте, как использовать функцию GridSearchCV в sklearn для оптимизации вашей модели машинного обучения Двумя ключевыми проблемами машинного обучения являются поиск правильного алгоритма для использования и оптимизация вашей модели. Если вы знакомы с машинным обучением, вы, возможно, работали с такими алгоритмами, как линейная регрессия, логистическая регрессия, деревья решений, машины опорных векторов и т. Д. После того, как вы решили использовать конкретный алгоритм для своей модели..
Введение в машинное обучение🖥️ и блокноты Azure📑
Привет, народ, Это мой первый письменный блог😍 и часть MSP Developer Stories📃инициативы программы Microsoft Student Partners (Индия)❤️. Давайте начнем с понимания того, что такое машинное обучение? Машинное обучение — это обучение компьютеров на основе исторических данных для прогнозирования . Процесс машинного обучения включает в себя типичный поток, как показано ниже. Сбор и визуализация данных📈📊 Очистка данных🧹 и подготовка Выбор функций🔍 и разработка Выбор..