Публикации по теме 'logistic-regression'
Распознавание предметов моды с помощью логистической регрессии. Реализация базового изображения с несколькими классами…
Предоставленный набор данных содержит экземпляры 10 предметов одежды, каждый из которых идентифицируется числовым ярлыком (от 0 до 9).
Пример изображения ботильонов примерно такой
Проблема и процесс построения модели:
Поскольку логистическая регрессия является бинарным классификатором, идея состоит в том, чтобы решить эту проблему как серию задач бинарной классификации. Набор данных модного поезда должен быть обучен с использованием модели логистической регрессии, которая..
Что нужно знать о логистической регрессии
Давайте рассмотрим сложную часть этого базового алгоритма машинного обучения.
Если вы начинаете заниматься аналитикой данных, вы, безусловно, пытаетесь ознакомиться со множеством различных стратегий и приложений, используемых в отрасли. Логистическая регрессия — это один из методов анализа, используемый аналитиками данных; однако, что именно это такое и каким целям оно служит?
В этой статье вы узнаете, что такое логистическая регрессия, и некоторые из наиболее важных общих тем,..
Логистическая регрессия как нелинейный классификатор
Логистическая регрессия традиционно использовалась в качестве линейного классификатора, то есть когда классы могут быть разделены в пространстве признаков линейными границами. Однако это можно исправить, если мы получим лучшее представление о форме границы принятия решения…
Логистическая регрессия известна и используется как линейный классификатор. Он используется для создания гипер плоскости в пространстве признаков, чтобы отделить наблюдения, принадлежащие к классу, от всех..
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..
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..
Логистическая регрессия с использованием набора данных диабетиков Pima Indian
Логистическая регрессия в машинном обучении является частью класса алгоритмов обучения с учителем, используемых для прогнозирования вероятности возникновения события. Для задачи бинарной классификации, такой как наличие или отсутствие диабета, алгоритм выводит вероятность (от 0 до 1) каждой точки данных с использованием независимых переменных. Хотя пороговое значение можно изменить, вероятность, равная или превышающая 0,5, указывает на то, что событие произойдет (наличие диабета), а..
Секретный соус прогнозного моделирования: понимание веса доказательств
Weight of Evidence (WOE) — это статистический метод, используемый в прогностическом моделировании для измерения связи между независимыми переменными и целевой переменной. Это мера силы связи между каждой независимой переменной и целью. Он используется для прогнозирования вероятности определенного результата на основе наличия или отсутствия определенных независимых переменных. Значения WOE используются для замены исходных значений независимых переменных в прогностической модели. Это..
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..