Публикации по теме 'supervised-learning'


Обзор модели контролируемого обучения SVM (поддержка векторных машин)
Теория Основная задача алгоритма - найти наиболее правильную линию или гиперплоскость, разделяющую данные на два класса. SVM - это алгоритм, который получает входные данные и возвращает такую ​​разделительную линию. Рассмотрим следующий пример. Предположим, у нас есть набор данных, и мы хотим классифицировать и отделить красные квадраты от синих кругов (например, положительные и отрицательные). Основная цель в этой задаче - найти «идеальную» линию, разделяющую два класса. Найдите..
Изучение контролируемого обучения
В этой статье я собираюсь представить результаты использования 4 различных алгоритмов для задач классификации: логистическая регрессия, деревья решений, k ближайших соседей и нейронные сети. Для этого я буду использовать набор данных Качество красного вина . Кроме того, я использую sklearn для реализации каждого из алгоритмов. Реализацию можно найти по этой ссылке . I. Введение набора данных и предварительная обработка Он содержит 11 физико-химических свойств (признаков), а также..
Но как машины «учатся»?
Термин «машинное обучение» приобретает все большую популярность, особенно в последние пару десятилетий. Стало обычным делом слышать или читать о достижениях в области технологий, таких как современное программное обеспечение для распознавания лиц, голосовые агенты, интеллектуальные роботы и так далее. Гипотетически за такой шумихой может стоять несколько причин. Одной из очевидных причин может быть тот факт, что такие достижения призваны играть облегчающую роль в повседневной жизни..
Логистическая регрессия является краеугольным камнем прогнозного моделирования и классификации в этой области…
Логистическая регрессия является краеугольным камнем прогнозного моделирования и классификации в области науки о данных. Его универсальность выходит за рамки его базовой формы, охватывая различные передовые методы, которые подходят для широкого спектра сценариев. В этой всеобъемлющей статье мы рассмотрим четыре различных подхода к логистической регрессии, объяснив их формулы, преимущества и ограничения на наглядных примерах. 1. Простая логистическая регрессия По своей сути простая..
Машинное обучение: концепции, которые необходимо знать, чтобы начать работу с ML
Краткая история машинного обучения! Что такое машинное обучение? С самого начала целью было создать машину, которая могла бы думать и учиться как человек. Не будучи явно запрограммированными, методы машинного обучения позволяют компьютерам учиться на данных и даже совершенствовать себя. Что такое машинное обучение простыми словами? Когда вы объединяете навыки компьютерного программирования со статистикой, в результате получается область обучения, известная как..
Обзор машинного обучения для начинающих.
Машинное обучение — это программирование компьютеров для оптимизации производительности с использованием примеров данных или прошлого опыта. Это позволяет компьютеру извлекать информацию из прошлых данных. Например, наш человеческий мозг сам работает по концепции машинного обучения. Каждый раз, когда мы видим новый объект, наш мозг сохраняет информацию об этом объекте, такую ​​как имя, размер, цвет и т. д. В следующий раз, когда мы видим тот же или похожий объект, он использует данные,..
Пошаговое руководство по реализации наивного байесовского метода в R
Машинное обучение стало самым востребованным навыком на рынке. Очень важно знать различные алгоритмы машинного обучения и то, как они работают. В этой статье о наивном байесовском методе R я хочу помочь вам узнать, как работает наивный байесовский алгоритм и как его можно реализовать с помощью языка R. В этой статье рассматриваются следующие темы: Что такое наивный Байес? Математика наивного Байеса Теорема Байеса для наивного алгоритма Байеса Как работает наивный байесовский..