Публикации по теме 'classification-algorithms'
Введение в логистическую регрессию
Логистическая регрессия — популярный алгоритм классификации, используемый в машинном обучении. Это простой, но мощный алгоритм, который широко используется в различных приложениях, таких как кредитный скоринг, обнаружение мошенничества и медицинская диагностика. В этой статье мы обсудим, что такое логистическая регрессия, как она работает, ее преимущества и ограничения, а также приведем пример ее реализации на Python.
Как работает логистическая регрессия?
Модель логистической..
Как предсказать победителя матча по крикету с помощью машинного обучения
Мы все продолжаем проверять результаты матчей по крикету на Cricbuzz. Cricbuzz собирал данные о результатах матчей за последние 4 года, используя их, они хотят создать сервис, который будет предсказывать, кто выиграет матч. Увлекательно, правда? Они используют алгоритмы машинного обучения , чтобы предсказать, какая команда выиграет матч, на основе определенных точек данных. Прямая трансляция проекта 12 февраля, суббота, 19:00.
Записаться сейчас
Для этого мы выполним следующие..
Классификация данных пациентов с сердечно-сосудистыми заболеваниями с помощью Snowpark
Классификация — это задача прогнозного моделирования, в которой метка класса предсказывается для данного примера входных данных. Это полезно для различных случаев использования, таких как:
Анализ мошенничества (классифицировать транзакцию как мошенничество или нет) Прогнозирование поведения клиентов (клиент уйдет) Классифицировать текст как положительный или отрицательный Классификация изображений Медицинская диагностика (классификация пациентов с риском сердечного приступа)..
Полиномиальный наивный байесовский метод для классификации документов и обработки естественного языка (NLP)
Полиномиальный наивный байесовский метод для классификации документов и обработки естественного языка (NLP)
Мультиномиальная наивная реализация Байеса в Python 3.8, NumPy и NLTK.
Вступление
Наивный Байес - вероятностный подход к построению моделей классификации данных. Он сформулирован в виде нескольких методов, широко используемых в качестве альтернативы основанной на расстоянии кластеризации K-средних и лесам деревьев решений, и рассматривает вероятность как «вероятность» того,..
3 основных алгоритма классификации, которые можно реализовать всего за 5 секунд
ПУТЕШЕСТВИЕ В НАУКЕ ДАННЫХ
3 основных алгоритма классификации, которые можно реализовать всего за 5 секунд
Самый первый шаг к пониманию машинного обучения… Классификация!
Обзор
Классификация в машинном обучении — это контролируемый подход к обучению, используемый для присвоения меток точкам данных. Он используется для…
Алгоритмы классификации: параметрические против. Непараметрический
В моем последнем сообщении в блоге я обсуждал линейную регрессию, мощный инструмент, используемый специалистами по обработке и анализу данных, чтобы получить представление о взаимосвязи между непрерывными переменными. Например, прогнозирование продаж в зависимости от расходов на маркетинг. Но что, если вместо прогнозирования продаж вы хотите предсказать непостоянную переменную, такую как отток клиентов. Остался ли клиент у поставщика услуг или ушел? Это пример задачи бинарной..
«Ммм, у него какой-то дубовый послед»
Ну, я не сомелье Майкла Скотта. Я мало знаю о качестве вина и о том, что делает его хорошим, но эта модель прогнозирования знает! Подмигивание. Подмигивание.
Модель прогнозирования использует Данные о качестве вина от Kaggle для прогнозирования качества вина. Каждому вину в этом наборе данных присваивается оценка качества от 0 до 10. Существует одиннадцать параметров, определяющих качество, а именно . Фиксированная кислотность, летучая кислотность, лимонная кислота, остаточный..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..