Публикации по теме 'supervised-learning'
КЛАССИФИКАЦИЯ С МАШИННЫМ ОБУЧЕНИЕМ
Классификация — одно из основных направлений машинного обучения.
Его также можно рассматривать как процесс узнавания, понимания.
Методы классификации
линейные модули Машина опорных векторов Деревья решений Гауссовские процессы
Типы классификации машинного обучения
Подход к обучению под наблюдением
Регрессия Классификация
Неконтролируемый подход к обучению
Кластеризация Снижение размерности
4 самых простых способа визуализации деревьев решений с помощью Scikit-Learn и Python
Итак, ребята, в этом блоге мы увидим, как мы можем визуализировать деревья решений с помощью Scikit-Learn в Python . На самом деле мы сможем увидеть, как дерево решений принимает решения. Итак, без лишних слов, давайте сделаем это…
Читайте полный текст блога здесь — 4 самых простых способа визуализации деревьев решений с помощью Scikit-Learn и Python
Краткий обзор деревьев решений
Дерево решений – это управляемый алгоритм машинного обучения . Это означает, что для обучения..
Классификация и регрессия с контролируемым обучением
В предыдущем посте мы говорили об определении машинного обучения и его типе. Одним из них является обучение с учителем, которое представляет собой алгоритм машинного обучения, который учится на данных типа пар «функции-цель». Наиболее распространенными проблемами в обучении с учителем являются классификация и регрессия.
Регрессия
Регрессия — это задача, требующая от алгоритма предсказания непрерывного значения в качестве целевой переменной. Вот пример задачи регрессии.
Допустим,..
Линейные модели
Линейные модели делают прогноз, используя линейную функцию входных признаков.
Они могут помочь вам понять и предсказать поведение сложных систем или проанализировать экспериментальные, финансовые и биологические данные.
Линейные модели регрессии
Для регрессии общая формула прогноза для линейной модели выглядит так:
y = w[0]*x[0] + w[1]*x[1] + . . . + w[q]*x[q] + b
Здесь от x[0] до x[q] обозначаются признаки (в данном случае число признаков равно q) одной точки данных, «w» и «b»..
«Введение в машинное обучение»
Машинное обучение — это быстро развивающаяся область, которая в последние годы привлекла большое внимание. Это тип искусственного интеллекта, который включает в себя создание алгоритмов, которые могут учиться на данных и делать прогнозы или решения на основе этого обучения.
Процесс построения модели машинного обучения обычно включает три этапа: подготовка данных, обучение модели и оценка ее производительности. Подготовка данных включает в себя очистку и преобразование данных в формат,..
контролируемое обучение
Обучение с учителем — это тип машинного обучения, при котором алгоритм обучается на помеченном наборе данных, где для каждого примера в обучающем наборе предоставляется правильный результат (метка или цель). Алгоритм учится делать прогнозы на новых, невидимых примерах, обобщая шаблоны, которые он изучил в обучающих данных. Общие примеры задач обучения с учителем включают классификацию (прогнозирование категориальной метки) и регрессию (прогнозирование числового значения).
Алгоритмы..
Настройка модели обучения / Обучение с учителем
Я поздно начал работать в этом разделе после столь необходимого перерыва в работе с технологиями, но когда я вернулся, замечательные сотрудники Lambda направили меня, чтобы я мог продолжить свое образование. Сегодня я собираюсь показать вам части настройки модели и контролируемого обучения в машинном обучении (я знаю, что это полный рот).
Перекрестная проверка
Первая часть, которую я хотел бы обсудить, - это перекрестная проверка. Мы уже знаем, что нам нужно разделить набор данных на..