Публикации по теме 'k-nearest-neighbours'
Пристальный взгляд на SVM и K-ближайших соседей для классификации данных
Машина опорных векторов
Машина опорных векторов (SVM) — это мощный инструмент машинного обучения, используемый для классификации данных. Он находит лучшую линию или границу для разделения различных групп, что делает его полезным для таких задач, как распознавание изображений и классификация текста. SVM хорошо работают даже со сложными данными и могут работать как с прямыми, так и с криволинейными разделениями. Они широко используются в различных областях благодаря своей универсальности и..
Алгоритм KNN с нуля в машинном обучении
Алгоритм k-ближайших соседей (KNN) — это простой, легко реализуемый алгоритм контролируемого машинного обучения, который можно использовать для решения задач как классификации, так и регрессии.
Реализация псевдокода с нуля
Преимущества
Алгоритм прост и легко реализуем. Нет необходимости строить модель, настраивать несколько параметров или делать дополнительные предположения. Алгоритм универсальный. Его можно использовать для классификации, регрессии и поиска (как мы увидим в..
Разве ты не будешь моим соседом?
K-Nearest Neighbor, шаг за шагом с scikit-learn
Заявление об ограничении ответственности : эта статья предназначена для самообучения, чтобы понять, как работают функции и алгоритмы машинного обучения. Проконсультируйтесь с различными ссылками, связанными в этом сообщении, для получения дополнительной информации. Код, используемый для модели, описанной ниже, можно просмотреть как файл Jupyter Notebook и получить доступ к нему из моего репозитория GitHub .
Вступление
K-Nearest..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..