Публикации по теме 'classification'
5 основных алгоритмов машинного обучения для бизнес-приложений
Компании, от гигантов рынка, таких как Amazon и Netflix, до небольшого розничного магазина где-то в центре Огайо, стремятся расти и повышать свою эффективность. Одним из способов достижения этого является включение ИИ и машинного обучения в операционную деятельность. Но из-за разнообразия ML сложно выбрать правильный метод и четко понимать, какую пользу он может принести. Итак, в этой статье мы рассмотрим основные алгоритмы машинного обучения, объясним их бизнес-применение и выделим..
Краткое введение в функции потерь
Очень краткое объяснение функций потерь с двумя простыми для понимания примерами известного классификатора softmax и функции потерь SVM.
вступление
Задачу прогнозирования можно рассматривать как простую задачу оптимизации. Модель пытается оптимизировать его производительность, правильно предсказывая значение. Фактическое значение, которое мы оптимизируем, называется «потерями» (которые мы, конечно же, стараемся минимизировать). Для этого модели необходима способность измерять этот..
Логистическая регрессия — День 28
50-дневный план обучения для начинающих специалистов по данным | Автор: Круио
Добро пожаловать на 28-й день вашего путешествия по науке о данных! На наших предыдущих сессиях мы рассмотрели широкий спектр тем: от статистики и Python до библиотек линейной регрессии и машинного обучения. Сегодня мы углубимся в еще одну важную тему: логистическую регрессию.
Несмотря на свое название, логистическая регрессия представляет собой алгоритм классификации, используемый для прогнозирования..
Преимущества и недостатки случайного леса: всесторонний взгляд на машинное обучение…
Random Forest — это популярный алгоритм машинного обучения, который используется как для задач классификации, так и для задач регрессии. Он известен своей способностью обрабатывать большие объемы данных и высокой точностью. В этой статье мы рассмотрим основы алгоритма Random Forest, принципы его работы, а также некоторые из его основных преимуществ и недостатков.
Что такое случайный лес?
Случайный лес — это метод ансамблевого обучения, который объединяет прогнозы нескольких деревьев..
Практическое введение в машинное обучение: создание классификатора
В этой статье представлено практическое введение в машинное обучение для начинающих. Это будет статья в стиле упражнений, в которой мы собираемся построить модель классификатора для классификации набора данных, и мы будем проходить сквозной процесс, такой как загрузка набора данных, очистка набора данных, выполнение разработки функций на набор данных, создать разделение обучения/тестирования, выполнить перекрестную проверку нескольких моделей, выбрать лучшую модель, подобрать лучшую модель..
Точность, отзыв и путаница!
« Мы вспоминаем прошлое и предсказываем будущее. »
ОТЗЫВ
Вспомнить относится к прошлому. На основании прошлых/известных данных, сколько из них было правильно предсказано.
Вспомнить = прошлое
Отзыв = Истинный положительный результат / Известные положительные результаты
Известные положительные результаты = Истинные положительные результаты + Ложноотрицательные результаты
Пример. Здравоохранение. Мы диагностируем прошлое . Больной пациент приходит на медицинские..
Матрица путаницы
1 января 2022 г.
Матрица путаницы
Это метрика оценки классификации.
Матрица путаницы — это то место, где мы измеряем эффективность нашей модели. Лучше эффективность, лучше производительность, и это именно то, что мы хотим. И именно здесь в центре внимания оказывается матрица путаницы. Матрица путаницы — это показатель эффективности классификации машинного обучения.
Как следует из названия, это на самом деле немного сбивает с толку в первый раз, когда я учился, я имею в виду,..
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..