Публикации по теме 'support-vector-machine'


7 преимуществ и недостатков алгоритма опорных векторов
Алгоритм машины опорных векторов является одним из наиболее часто используемых алгоритмов и представляет собой естественный подход к разбиению данных на разные классы и максимизации маржи. Подробнее об этом здесь . Этот пост призван стать краткой памяткой для любого специалиста по науке о данных или машинному обучению о том, каковы основные преимущества и недостатки SVM. Преимущества: Это дает исследователю возможность избежать переобучения путем настройки параметра регуляризации..
Автоматическое обнаружение дезинформации о COVID-19
Автоматическое обнаружение дезинформации о COVID-19 НЛП, Машинное обучение, COVID-19 Обычным гражданам нелегко распознать фейковые новости . И фейковые новости о коронавирусе - не исключение. В рамках усилий по борьбе с дезинформацией о коронавирусе я попробовал собрать данные обучения и обучил модель машинного обучения обнаруживать фейковые новости о коронавирусе. Мои данные обучения не идеальны, но я надеюсь, что они будут полезны, чтобы помочь нам понять, отличаются ли..
Раскрытие истинной силы регрессии опорных векторов
Раскрытие истинной силы регрессии опорных векторов Использование машины опорных векторов для задач регрессии SVM или машины опорных векторов - один из самых популярных и широко используемых алгоритмов для решения проблем классификации в машинном обучении. Однако использование SVM в регрессии не очень хорошо документировано. Этот алгоритм признает наличие нелинейности в данных и обеспечивает эффективную модель прогнозирования. В этой статье я сначала попытаюсь дать вам..
Классификация опорных векторов в Scikit-learn
В этом руководстве вы узнаете о машинах опорных векторов, одном из самых популярных и широко используемых алгоритмов машинного обучения с учителем. Метод опорных векторов — один из самых популярных и широко используемых алгоритмов машинного обучения с учителем. SVM предлагает очень высокую точность по сравнению с другими классификаторами, такими как логистическая регрессия и деревья решений. SVM известен своим трюком с ядром для обработки нелинейного входного пространства. Он..
Прикладная классификация текста для фильтрации спама в электронной почте [Часть 1]
Оригинал статьи опубликован на моем сайте . С последних нескольких месяцев я начал работать над онлайн-курсом Специализация по машинному обучению , предоставляемым Вашингтонским университетом. Первый курс был посвящен основам машинного обучения , второй - линейной регрессии , а третий курс, по которому я сейчас нахожусь, посвящен классификации . . Курсы понравились почти во всех аспектах, так как они обучают реализации алгоритмов машинного обучения с нуля. Это было моей целью,..
Машины опорных векторов — Серия лекций — Ядра: введение
В последних двух лекциях мы говорили о том, как определить гиперплоскости, которые могут оптимально разделить заданные наборы данных. В следующей паре постов мы рассмотрим концепцию ядер, что они из себя представляют и чем они так полезны в машинном обучении. Цель обучения: Понимать контекст, в котором ядра применяются в машинном обучении. Основной вопрос: Обратите внимание на изображение на рис. 1 ниже: Предположим, нам нужно вычислить гиперплоскость, которая может..
Машина опорных векторов (SVM) для обнаружения аномалий
Небольшая наука о данных для обнаружения аномалий One class SVM: введение Эксперт или новичок в машинном обучении, вы, вероятно, слышали о Support Vector Machine (SVM) - контролируемом алгоритме машинного обучения, который часто цитируется и используется в задачах классификации. SVM используют гиперплоскости в многомерном пространстве, чтобы отделить один класс наблюдений от другого. Естественно, SVM используется при решении задач мультиклассовой классификации. Однако SVM также..