Публикации по теме 'decision-tree'
Как использовать деревья решений в машинном обучении для прогнозного моделирования
Деревья решений — это популярный алгоритм машинного обучения, используемый для прогнозного моделирования. Они просты для понимания и могут использоваться как для задач классификации, так и для регрессии. В этом сообщении блога мы обсудим, как работают деревья решений и как вы можете использовать их в своих собственных проектах машинного обучения!
Деревья решений – это тип алгоритма машинного обучения, который используется для прогнозирования результатов. Их называют «деревьями..
Все о деревьях решений в интеллектуальном анализе данных
Деревья решений — это структуры данных, которые состоят из следующего:
Корневой узел - Верхний узел структуры, который является атрибутом, имеющим максимальный информационный прирост.
Ветви — это связь между двумя узлами в структуре, обозначающая результаты теста, примененного к 1-му/верхнему узлу, на котором тест применялся к результату на 2-м/нижнем узле.
Листовой узел — это последний узел дерева/ветки, который содержит метку класса.
СЛОВАРЬ:
Энтропия:
Это степень..
Дерево решений — алгоритм революции
Первый уровень древовидного подхода. Это также дерево классификации и регрессии (CART).
Давайте начнем с мысленного эксперимента, чтобы немного мотивировать, почему мы будем использовать метод дерева решений.
Представьте себе сценарий, что я играю в теннис каждую субботу и всегда приглашаю друга пойти со мной. Иногда появляется мой друг, иногда нет. Для него это зависит от множества факторов, таких как: погода, температура, влажность, ветер и т. д. Я начинаю следить за новыми..
Введение в деревья решений для машинного обучения
Хотите стать специалистом по данным? Оформить заказ За пределами машины !
Современные алгоритмы машинного обучения революционизируют нашу повседневную жизнь. Например, большие языковые модели, такие как BERT, лежат в основе поиска Google, а GPT-3 используется во многих продвинутых языковых приложениях .
Сегодня создавать сложные алгоритмы машинного обучения проще, чем когда-либо. Однако, какими бы сложными ни были алгоритмы машинного обучения, они подпадают под одну из следующих..
Деревья решений: пошаговый подход к созданию DT
Деревья решений: пошаговый подход к созданию DT
Вступление
Деревья решений (DT) - это непараметрический контролируемый метод обучения, используемый для классификации и регрессии. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной, изучая простые правила принятия решений, выведенные из характеристик данных. Деревья решений обычно используются при исследовании операций, в частности, при анализе решений, чтобы помочь определить стратегию,..
Деревья решений
Понимание деревьев решений: прирост информации и примесь Джини
Деревья решений: обзор
Деревья решений — это фундаментальная концепция в машинном обучении и науке о данных. Они предлагают прозрачный и интуитивно понятный способ принятия решений, разбивая сложные проблемы на ряд более простых решений.
По своей сути дерево решений — это древовидная модель, которая принимает решения на основе набора условий. Каждый внутренний узел в дереве представляет решение, основанное на определенном..
Алгоритмы на основе деревьев 1: деревья решений
В этой статье вы получите общее представление о деревьях решений, строительном блоке современных алгоритмов машинного обучения, таких как XGBoost и LightGBM. Сначала мы подробно рассмотрим принцип работы, а затем реализуем его с помощью Scikit-Learn.
Алгоритмы машинного обучения на основе дерева зарекомендовали себя как первые алгоритмы в отрасли. Когда проблема дается для решения, большинство людей сначала обращаются к этим алгоритмам, даже если они могут быть более дорогими в..
Новые материалы
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..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..