Публикации по теме 'random-forest'
прогнозировать отток клиентов банка с помощью Random Forest с перекрестной проверкой поиска по сетке в Python.
***Меня зовут Мохамед Собхи, и я учусь на факультете навигационных наук и космических технологий**** Классификация с помощью набора данных банка OpenML. *************Пакет: scikit-learn ********************** ********** *******Алгоритм: модель дерева решений ******************* *******************Набор данных : банковский набор данных по оттоку******************** ***Выбор модели: с использованием перекрестной проверки поиска по сетке (GSCV)****
Набор данных
Я использую набор данных от..
Машинное обучение в прогнозировании состояний фондового рынка
В начале 2022 года я участвовал в соревнованиях IAQF с товарищами по команде. Здесь я кратко представлю нашу идею решения проблемы. Наша задача — прогнозировать состояния фондового рынка (бычье, медвежье, статическое) по данным индекса Russell 3000 (2003–2021) и соответствующим образом реализовывать торговые стратегии. Эффективность нашей торговой стратегии измеряется сравнением со стратегией «купи и держи». В части 1 представлена основная идея нашей исследовательской работы. Во второй..
Раннее обнаружение мошенничества с кредитными картами
Применение модели машинного обучения для активного тестирования и классификации транзакций как действительных или нет.
Введение
Идея технологии кредитных карт на самом деле восходит к концу 1800-х годов и исходит из утопического романа Эдварда Беллами Оглядываясь назад ( Looking Backward ) ( Взгляд назад ) ( Википедия ). Впрочем, что-то подобное мы начали видеть только в 20 веке, но ничто по сравнению с тем, что мы имеем сейчас.
Дело в том, что кредитные карты произвели революцию..
Реализация случайного леса
В этом посте мы рассмотрим основные концепции, лежащие в основе Random Forest, обсудим практические проблемы реализации, такие как сильно коррелированные функции, разреженность функций, несбалансированные классы. Затем сравните концепции и производительность случайного леса с деревьями повышения и деревом решений! Если вы хотите что-то обсудить или найти ошибку, напишите мне на [email protected] :)
Базовые концепты
Как строится лес? Случайный лес построен на деревьях..
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..