Публикации по теме 'supervised-learning'
Дерево решений — Моя интерпретация — Часть I
Принимая решения, мы склонны предполагать множество сценариев «если-но», а затем приходим к выводу. Дерево решений в машинном обучении также работает в аналогичной концепции. Визуально это структура, похожая на блок-схему, она состоит из: родительского узла, узлов-ветвей и конечных узлов.
Ссылаясь на приведенное выше изображение Рисунок 1.0 , Возраст — это родительский узел, Ешь пиццу и Упражнения — это узлы-ветви. , Подходит и Не подходит — конечные узлы. Это говорит о..
Калибровка классификатора
Почему, когда и как проводить калибровку модели для задач классификации.
При решении проблемы классификации едва ли достаточно собрать только прогнозы на тестовом наборе; чаще всего мы хотели бы похвалить их с некоторой степенью уверенности. С этой целью мы используем связанную вероятность, то есть вероятность, рассчитываемую классификатором, который определяет класс для каждой выборки. Но всегда ли это отражает реальность? А если нет, то как мы можем сказать?
Learning Rate -..
День 44 (ML) - Машина опорных векторов (контролируемое обучение)
Машина опорных векторов или SVM - это контролируемый алгоритм обучения, способный обрабатывать данные, которые обладают сложными функциями по сравнению с линейной регрессией и логистической регрессией . Основной принцип работы - найти максимальную разницу между категориями. Концепцию можно хорошо понять с помощью изображения.
Как видно из приведенной выше диаграммы, цель состоит в том, чтобы создать максимальную разницу между двумя классами A и B . Если маржа очень близка к..
Мета-обучение: научиться быстро учиться
В этом блоге я расскажу о метаобучении, которое также известно как обучение обучению с помощью машинного обучения.
Что такое метаобучение?
Нынешние агенты ИИ преуспели в овладении определенными навыками, такими как классификация объектов, предсказание катастрофы и т. д. Однако теперь ИИ широко используется в повседневной жизни. Почти каждая организация сейчас использует ИИ в своих продуктах. Поэтому необходим единый агент ИИ, способный решать самые разные задачи. Хорошая модель..
Классификация K-ближайших соседей с нуля
Пошаговый пример в R без сторонних библиотек
В этой статье мы рассмотрим пошаговый подход к созданию алгоритма K-ближайших соседей без помощи какой-либо сторонней библиотеки. На практике этот алгоритм должен быть достаточно полезен для нас, чтобы классифицировать наши данные всякий раз, когда мы уже сделали классификацию (в данном случае по цвету), которая послужит отправной точкой для поиска соседей.
Для этого поста мы будем использовать определенный набор данных, который можно..
Машинное обучение с учителем и без учителя с использованием квантовых вычислений
Анджали Синха, Девей Фенг и судья Видал
Вступление
Благодаря недавним достижениям в области квантовых вычислений появилось больше приложений для использования квантовых свойств для ускоренных вычислений. Одно из таких развивающихся теоретических направлений - квантовое машинное обучение. В этой статье мы обсудим некоторые полезные алгоритмы, которые позволяют значительно ускорить обучение с учителем и без него.
Во-первых, нам нужно понять, почему квантовые вычисления имеют..
Практика парадигм машинного обучения
В последние годы огромное внимание уделяется искусственному интеллекту (ИИ). Джон Маккарти, который ввел этот термин в 1956 году, определяет его как «Наука и техника создания интеллектуальных машин». ИИ – это интеллект, демонстрируемый машинами при выполнении интеллектуальных задач, для которых обычно требуется человеческий интеллект.
Основным ядром ИИ является Машинное обучение (ML). Артур Самуэль сказал, что ML – это «область исследования, которая дает компьютерам возможность..
