Публикации по теме 'supervised-learning'
На пути к машинному обучению — контролируемые алгоритмы
Машинное обучение исследует исследования и разработку алгоритмов, которые могут учиться на данных и генерировать прогнозы на основе данных. Машинное обучение может корректировать решения на основе большего количества данных, что делает его более эффективным. Алгоритмы — это наборы явно запрограммированных инструкций, которые компьютеры применяют для анализа или решения проблем.
В этой статье объясняются некоторые популярные алгоритмы обучения с учителем, такие как K-NN (K ближайший..
Введение в машинное обучение
Предисловие. описание машинного обучения Машинная грамотность — это система анализа данных, автоматизирующая структуру логической модели. Это направление искусственного интеллекта, основанное на идее, что системы могут учиться на данных, выявлять закономерности и формировать мнения с минимальным вмешательством смертных.
Типы машинного обучения Существует три основных типа машинной грамотности.
1. Контролируемая грамотность, когда модель обучается на помеченных данных и подходит для..
Введение в регрессионный анализ
Регрессия - это процесс прогнозирования непрерывных переменных. это тип обучения с учителем. регрессионный анализ - это набор статистических процессов для оценки взаимосвязей между переменными.
Это проект из школы данных Gitgirl, которую я сейчас посещаю.
Регрессионный анализ фокусируется на взаимосвязи между зависимой переменной и одной или несколькими независимыми переменными. Зависимую переменную можно рассматривать как «состояние», «цель» или «конечную цель», которую мы изучаем и..
5 типов машинного обучения с примерами
Машинное обучение — это область, которая фокусируется на разработке алгоритмов, которые позволяют компьютерам учиться на данных и улучшать свою производительность при выполнении конкретной задачи без явного программирования. Другими словами, машинное обучение — это создание алгоритмов, которые могут учиться на данных, распознавать закономерности и делать прогнозы на основе этих данных. Чтобы изучить и понять различные алгоритмы машинного обучения, жизненно важно понимать различные типы..
В спешке, спешу! Случайный лес: пять простых шагов
Что происходит в Random Forest — и пять простых и быстрых шагов для построения модели.
Этот блог является частью моего понимания методов случайного леса для контролируемого машинного обучения.
Случайный лес — один из наиболее часто используемых методов для задач классификации.
Деревья решений являются строительными блоками случайного леса.
В каждом узле Дерево решений спрашивает, какие функции позволят мне разделить результирующие группы на максимально разные. Например. Синий и..
День 6 #DataScience28: очень краткое введение в алгоритмы машинного обучения
Машинное обучение — это область искусственного интеллекта, которая включает разработку алгоритмов и моделей, которые позволяют компьютерам учиться и делать прогнозы на основе данных. В машинном обучении есть две основные категории алгоритмов: контролируемые и неконтролируемые.
Алгоритмы контролируемого обучения используются, когда у нас есть помеченные данные, и мы хотим, чтобы машина научилась выполнять функцию отображения между входными и выходными данными. Машина обучается на..
Бэтмен и Робин для ваших данных : контролируемое и неконтролируемое обучение:
Контролируемое и неконтролируемое обучение: мощная комбинация машинного обучения, которая сделает все ваши самые безумные прогнозы реальностью!
Обучение под наблюдением похоже на строгого учителя, который дает вам все ответы перед тестом. Это как снова оказаться в старшей школе, за исключением того, что на этот раз вы учитесь предсказывать будущее. При обучении с учителем вам предоставляется помеченный набор данных, в котором результат или метка для каждого примера уже известны. Это..
