Публикации по теме 'logistic-regression'
Как заставить SGD Classifier работать так же хорошо, как и логистическая регрессия, используя parfit
Как заставить SGD Classifier работать так же хорошо, как и логистическая регрессия, используя parfit
Для больших наборов данных, используя гиперпараметры, оптимизированные parfit, мы можем получить эквивалентную производительность от SGDClassifier в трети времени, затрачиваемого LogisticRegression.
Что такое классификатор SGD?
SGD Classifier реализует регуляризованные линейные модели со стохастическим градиентным спуском.
Итак, что такое стохастический градиентный спуск?..
Понимание логистической регрессии
Для кого предназначена эта статья . Если вы слышали о логистической регрессии, знайте, что она используется для бинарной классификации, но не совсем понимаете, как она работает. Возможно, ваш опыт работы с этой моделью включает вызов функции в Scikit-learn и тонкую настройку некоторых параметров для достижения «хорошего» показателя AUC или F1. Прочитав эту статью, вы должны лучше понять эту модель и, возможно, быть хорошо подготовленными к ответу на соответствующие вопросы во время..
Машинное обучение с нуля: логистическая регрессия
Основы классификации в Python
Введение
После обсуждения линейной регрессии в первой части этой серии, пришло время взглянуть на еще один строительный блок более продвинутых алгоритмов машинного обучения: логистическую регрессию. Логистическая регрессия, несмотря на свое название, наиболее широко используется для двоичной классификации. В бинарной классификации вы пытаетесь предсказать, принадлежит ли наблюдение классу 0 или классу 1. Например, можно попытаться предсказать, будут ли..
Краткое исследование по классификации здоровья плода
Прогнозирование и классификация здоровья плода для предупреждения детской и материнской смертности.
Введение
Снижение детской смертности отражено в нескольких Целях ООН в области устойчивого развития и является важным показателем человеческого прогресса. ООН хочет, чтобы страны прекратили предотвратимую смертность новорожденных и детей в возрасте до пяти лет к 2030 году, при этом все страны стремятся сократить смертность детей в возрасте до пяти лет как минимум до 25 на 1000..
Объяснение самых популярных алгоритмов машинного обучения
Мы уже говорили об искусственном интеллекте и о том, как сильно он развивается.
Заметные достижения ИИ за последнее десятилетие Рост искусственного интеллекта пугает многих людей, которые склонны думать, что в будущем мы увидим роботов… media.datadriveninvestor.com
За всеми этими разработками стоит множество программ и данных. Для некоторых это может показаться скучным, но самое интересное — самые популярные алгоритмы довольно..
Анализ кредитного риска с помощью машинного обучения
Использование машинного обучения для определения вероятности того, что претендент на получение кредита не выполнит свои обязательства по кредиту, чтобы кредиторы могли снизить свой риск.
Введение
Кредитный риск можно определить как риск, связанный с финансовыми потерями, возникшими в результате невыплаты заемщиком кредита. Кредиторам или кредиторам необходимо минимизировать этот риск, чтобы предотвратить перебои в движении денежных средств или нести дополнительные расходы на взыскание..
Введение в логистическую регрессию в Python с помощью statsmodels и scikit-learn
Введение в логистическую регрессию в Python с помощью statsmodels и scikit-learn
Вступление
Многие проблемы, с которыми сталкиваются специалисты по обработке данных, статистики и другие специалисты по работе с данными, требуют определения того, принадлежат ли интересующие наблюдения к той или иной категории по тому или иному результату. Примеры включают оценку кредитоспособности (например, будет ли потенциальный заемщик дефолт по своему долгу?), Пометку покупок по кредитной карте,..
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..