Публикации по теме 'support-vector-machine'
Использование классификатора машины опорных векторов (SVM) в Python для прогнозирования сердечных заболеваний с помощью Framingham…
В этом исследовании мы изучим набор данных Framingham и попытаемся предсказать классификацию болезни TenYearCHD с различными особенностями, а затем мы предскажем, как работает наша модель на основе различных факторов.
Сначала мы прочитаем данные, используя функцию Python read.csv(), а затем посмотрим на их структуру, используя функцию .info(), и посмотрим на сводку, используя функцию описать(), и посмотрим на первые несколько строк, используя функцию head(), как показано ниже. ниже:-..
Машины опорных векторов, объяснение с кодом
Машины опорных векторов (SVM) внесли огромный вклад в область машинного обучения, предоставив элегантный и эффективный способ классификации и прогнозирования данных.
Что отличает SVM и выделяет их среди других алгоритмов? Что ж, многие другие алгоритмы не могут обрабатывать многомерные данные, и иногда им невозможно найти хорошее разделение между точками в контексте классификации. Однако SVM могут легко обрабатывать сложные и многомерные данные. Кроме того, они чрезвычайно универсальны и..
Машины опорных векторов
Машины опорных векторов
В этой статье мы разберемся с интуицией, лежащей в основе машин опорных векторов (SVM). Актуальность гиперпараметров SVM - маржа, гамма, регуляризация и ядро. Плюсы и минусы SVM и, наконец, пример на Python.
Наша цель - классифицировать набор данных. Для этого мы рисуем набор данных в n-мерном пространстве, чтобы получить линейно разделяемую линию. Эта строка помогает разделить два класса данных.
звучит просто, правда? Это основа для SVM...
Демистификация машин опорных векторов
Давайте поговорим об одном из самых мощных алгоритмов контролируемого машинного обучения - Support Vector Machine или SVM. Формально начнем с введения.
Введение
Машина опорных векторов или SVM - это контролируемый алгоритм машинного обучения, который обычно используется для задач классификации. Идею представили Владимир Николаевич Вапник и Алексей Я. Червоненкис в 1963 г., предполагая, что точки данных линейно разделимы. Позже Владимир Н. Вапник расширил эту первоначальную идею и..
SVM и валютные кризисы
Во время моей программы иммерсивной науки о данных в школе Flatiron мы недавно изучали различные методы машинного обучения, в том числе опорные векторные машины (SVM), которые, вероятно, являются наиболее сложной концепцией, которая была рассмотрена. У них есть забавный способ взять более полдюжины концепций исчисления и статистики на уровне выпускников и сварить их в докторский суп, который, вероятно, потребует дополнительной настройки гиперпараметров после создания данной модели.
Цель..
Объясни, как будто мне пять лет (часть 2): машина опорных векторов
Когда линейная регрессия не решает вашу проблему, пришло время для более продвинутого алгоритма, представляющего машину опорных векторов!
Предположим, вы хотите четко разделить две вещи — например, у нас есть два разных класса: капучино и черный кофе. Всякий раз, когда новый напиток подобен (независимо от его вкуса или цвета) какому-либо классу, этот напиток принадлежит к этому классу.
Мы можем нарисовать его на гиперплоскости (график ниже) следующим образом:
Представьте,..
10 популярных моделей временных рядов машинного обучения
Авторегрессионное интегрированное скользящее среднее (ARIMA) — это статистическая модель, которая широко используется для прогнозирования временных рядов. Он моделирует данные временных рядов как комбинацию компонента авторегрессии (AR), который моделирует взаимосвязь между текущим временным шагом и прошлыми временными шагами, и компонента скользящего среднего (MA), который моделирует остаточные ошибки из предыдущей модели. ARIMA особенно полезен для моделирования данных временных рядов..
