Публикации по теме 'decision-tree'
Дерево принятия решений по машинному обучению
Дерево решений — это контролируемый алгоритм классификации и регрессии, также называемый алгоритмом CART, что означает, что его можно использовать для задач классификации и регрессии. Он формирует основу для всех продвинутых древовидных моделей. Следовательно, понимание дерева решений жизненно важно для любого энтузиаста DS/ML. Итак, попробуем разобраться.
Как следует из названия, он следует древовидному подходу, который принимает решения для данной проблемы. Цель модели — получить..
От данных к решениям: понимание деревьев решений
Дерево решений — это графическое представление возможных решений решения, основанное на определенных условиях. Это древовидная структура, похожая на блок-схему, где внутренний узел представляет функцию (функции), ветвь представляет правило принятия решения, а каждый конечный узел представляет результат. Самый верхний узел в дереве решений известен как корневой узел. Он учится разделять входные данные, используя функцию и правила принятия решений.
Деревья решений строятся с..
Деревья решений 2/2
2/2 содержит кодовую часть алгоритма классификатора деревьев решений.
Краткий обзор того, что мы узнали в Дереве решений 1/2 .
Дерево решений — это инструмент поддержки принятия решений, который использует древовидную модель решений и их возможных последствий, а также оценки вероятности и затрат для прогнозирования результата решения. Классификаторы дерева решений широко используются во многих областях, таких как оценка кредитного риска, медицинская диагностика и классификация..
Важность функций в деревьях решений
Полная реализация Python и объяснение вычислений, лежащих в основе измерения важности функций в алгоритмах машинного обучения на основе дерева.
Цель этой статьи — познакомить читателя с тем, как рассчитывается важность признаков в деревьях решений. Лично я не нашел подробного объяснения этой концепции, и поэтому родилась эта статья.
Весь код, использованный в этой статье, находится в открытом доступе, и его можно найти через:
https://github.com/Eligijus112/градиентное повышение..
Практическое машинное обучение в Kaggle: Часть 2 — Обучение и настройка гиперпараметров
Набор данных: «Титаник» — машинное обучение после катастрофы
В этой статье мы исследуем практическую реализацию алгоритма дерева решений с использованием scikit-learn. Мы рассмотрим различные важные концепции, связанные с решением типичной задачи машинного обучения, включая обучение и настройку модели.
Если вы еще этого не сделали, обязательно ознакомьтесь с первой частью серии статей, где мы обсуждаем важные этапы предварительной обработки данных и выбора функций...
Мультиклассовая классификация с использованием модели дерева решений
Добро пожаловать, читатели. Если вы попали прямо сюда, я настоятельно рекомендую вам вернуться и прочитать сначала по этой ссылке .
Введение в проблему: - В этом блоге я хотел бы помочь вам, ребята, создать модель машинного обучения на основе алгоритма дерева решений. Здесь мы будем работать с меньшим набором данных (взято из архива ). Сначала мы будем обучать нашу модель, используя предоставленные данные, а затем будем выполнять мультиклассовую классификацию, используя..
Тест по машинному обучению 05: дерево решений (часть 1)
Давайте проверим ваши базовые знания о дереве решений. Предлагаем вам 10 вопросов с несколькими вариантами ответов без ограничений по времени. Развлекайся!
Вопрос 1. Деревья решений также известны как CART. Что такое CART? (A) Деревья классификации и регрессии (B) Инструмент анализа и исследования клиентов (C) Доступ к коммуникациям Перевод в реальном времени (D ) Компьютеризированная автоматическая методика оценки
Вопрос 2. Каковы преимущества деревьев классификации и..
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..