Публикации по теме 'logistic-regression'
Умные скидки с логистической регрессией | Машинное обучение с нуля (часть I)
Отправка кодов скидок избранным клиентам для увеличения прибыли
TL; DR В этой части вы создадите модель логистической регрессии с использованием Python с нуля. В процессе вы узнаете об алгоритме градиентного спуска и воспользуетесь им для обучения своей модели.
Серия "Машинное обучение с нуля":
Умные скидки с логистической регрессией Прогнозирование цен на жилье с помощью линейной регрессии Построение дерева решений с нуля в Python Извлечение цветовой палитры с..
Машинное обучение с тензорным потоком #2
Логистическая регрессия
Логистическая регрессия — это статистический подход, используемый для моделирования вероятности определенного бинарного события, такого как «годен/не годен». Эта форма является основным принципом, который позже будет использоваться в распознавании изображений и других задачах классификации. Для классификации существует фактор точности, в отличие от регрессии, которая является всего лишь приближением. Логистическая регрессия используется для аппроксимации..
Инструменты или концепции машинного обучения? когда начать? Часть 3
В предыдущей статье мы начали говорить о темах и ресурсах, которые помогут вам строить модели, а сегодня мы добавим больше методов в ваш набор инструментов для алгоритмов, изучая машинное обучение, линейную и логистическую регрессии.
Линейная и логистическая регрессии : эти методы считаются наиболее широко используемыми моделями в промышленности и научных кругах благодаря хорошим свойствам математической простоты, вычислительной эффективности и интуитивной интерпретации. вам нужно..
Полное руководство по созданию системы показателей кредитоспособности с использованием машинного обучения
Серия инструментов с открытым исходным кодом для решения реальных задач
Я открываю новую серию под названием Инструменты с открытым исходным кодом для решения реальных проблем .
В этой серии я сначала рассмотрю инструмент с открытым исходным кодом, а затем покажу, как применять его для решения реальных задач. В ходе этого процесса я покажу весь код и перечислю все термины, теоремы и алгоритмы, которые вам необходимо знать.
Потенциальная аудитория :
Студенты , которые хотят..
Система прогнозирования кредита с использованием моделей ML
Постановка задачи
У нас есть компания по финансированию жилищного строительства, и мы хотим автоматизировать процесс получения кредита на основе сведений о клиенте, предоставленных при заполнении онлайн-заявки.
О наборе данных
Loan_ID: уникальный идентификатор займа.
Пол: мужской/женский
Женаты: заявитель женат (да/нет)
Иждивенцы: количество иждивенцев
Образование: образование кандидата (высшее/неполное высшее)
Self_Employed: работающий не по найму (да/нет)..
Важные концепции регрессионного анализа
Первым алгоритмом при изучении машинного обучения является регрессия, а точнее линейная и логистическая регрессия. Ниже приведены ответы на несколько вопросов, которые я считаю концептуально важными.
Каковы предположения для данных, которые следует учитывать при линейной регрессии?
Остаточные данные распределены нормально.
Между остаточным членом не должно быть корреляции, то есть автокоррелированных данных.
Независимые переменные не должны коррелироваться, т.е. данные должны..
Выбор модели по сравнению производительности
Для тех, кто только начинает свой путь к машинному обучению, может показаться сложной задачей узнать обо всех моделях и различиях между ними. После того, как мы узнаем, как работает модель и как ее использовать, нам нужно будет перейти в реальный мир и применить полученные знания для решения реальных проблем. Что касается реальных проблем, нам не дается конкретная модель для настройки. Мы должны оценить несколько моделей, а затем решить, какую модель мы хотим использовать.
У нас..
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..