Публикации по теме 'logistic-regression'
Канадский анализ Covid19 на основе логистической регрессии
Привет, ребята,
Сегодня я продемонстрирую несколько сценариев на основе данных из открытых источников из Канады. В этом посте я объясню только некоторые важные части кода.
Пожалуйста, просмотрите оригинал, размещенный здесь .
И результат будет выглядеть примерно так -
Дайте мне знать ваш комментарий на то же самое.
В это непростое время я прошу вас следовать строгим рекомендациям по охране здоровья и оставаться здоровыми.
Примечание. Все используемые здесь данные можно..
Удивительная история о том, как LogisticRegressionCV превзошел HistGradientBoostingClassifier
Я всегда с нетерпением жду начала каждого месяца, потому что Kaggle проводит свои ежемесячные табличные соревнования. Когда я участвую в ежемесячном табличном конкурсе, это дает мне возможность опробовать различные методы, чтобы улучшить мою сообразительность в программировании на языке программирования Python.
Как настроить гиперпараметры с помощью GridSearchCV
Полное пошаговое руководство по набору данных для прогнозирования сердечной недостаточности в Jupyter Notebooks
Введение
В последней статье мы выполнили логистическую регрессию для набора данных для прогнозирования сердечной недостаточности. Теперь мы попробуем улучшить модель с помощью GridSearchCV.
Обзор
В этой статье мы затронем следующие темы:
Настройка гиперпараметров Параметры модели и гиперпараметры модели Методы настройки гиперпараметров Как реализовать..
Практическое руководство по прогнозированию качества вина с использованием логистической регрессии
Введение
Вы когда-нибудь задумывались, можно ли предсказать качество вина на основе его химических свойств? В этом руководстве мы рассмотрим, как построить модель логистической регрессии для прогнозирования качества вина с использованием набора данных Wine Quality. Логистическая регрессия — это популярный метод для задач бинарной классификации, что делает его идеальным выбором для прогнозирования того, хорошего качества вино или нет. Итак, хватайте бокал любимого вина и вперед!..
Прогнозирование вероятности совершения покупателем повторных покупок с помощью логистической регрессии
Для бизнеса привлечение клиента - это увлекательное занятие не только потому, что оно помогает вам `` обезопасить сумку '', принося столь необходимый доход, но также создает возможность завоевать лояльность у этого новообретенного клиента, что, в свою очередь, может помочь вам получить больше мешков за счет повторных покупок.
Предполагая, что ваш бизнес продолжает стимулировать и оптимизировать действия, которые имеют наибольшее положительное влияние на создание повторных покупок,..
Реализация различных алгоритмов поиска корней в Python
С реальным применением в науке о данных и логистической регрессии
В науке о данных вы обнаружите, что многие из наших задач включают максимизацию или минимизацию статистики. В регрессии вы найдете параметры, которые минимизируют сумму квадратов ошибок. В наивном байесовском методе вы определяете класс, который максимизирует апостериорную вероятность. Существует множество других примеров, таких как дерево решений, максимизирующее получение информации, SVM, максимизирующее..
Понимание логистической регрессии и ее построение с нуля с помощью PyTorch
Вот что мы вместе добьемся к концу этой статьи:
Понять, как работает логистическая регрессия, и ее внутренние слои Реализуйте логистическую регрессию с нуля и сравните результаты с научными материалами
«Все искусство одновременно поверхность и символ. Те, кто идут под поверхность, делают это на свой страх и риск ». -Оскар Уайльд
По моему скромному мнению, машинное обучение ничем не отличается от искусства. Мы все - создатели, и наша задача как специалистов по обработке..
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..