Публикации по теме 'supervised-learning'
Введение в наивный байесовский алгоритм — Часть II
В этом блоге мы рассмотрим, как обрабатывать текстовые данные с помощью алгоритма Naive Bayes, его плюсы и минусы. Мы также рассмотрим алгоритм наивного Байеса Бернули.
Как обрабатывать текстовые данные?
Алгоритм наивного Байеса можно использовать для решения таких задач, как определение того, является ли электронное письмо спамом или нет, классификация отзывов как положительных или отрицательных, классификация любого текстового контента или анализ настроений. Рассмотрим отзывы..
Шпаргалка Scikit-learn: методы классификации и регрессии
Машинное обучение — это быстрорастущая технология в современном мире. Машинное обучение уже интегрировано в нашу повседневную жизнь с такими инструментами, как распознавание лиц, домашние помощники, сканеры резюме и беспилотные автомобили.
Scikit-learn — это самая популярная библиотека Python для выполнения алгоритмов классификации, регрессии и кластеризации. графики и визуализация) и SciPy (для математики).
В нашей последней статье о Scikit-learn мы представили основы этой..
Практический подход к линейной регрессии в машинном обучении
Практический подход к линейной регрессии в машинном обучении
Практическое руководство по линейной регрессии для новичков
В предыдущем сообщении в блоге я попытался дать вам некоторое представление об основах машинного обучения. В этой статье мы начнем с нашего первого алгоритма машинного обучения, то есть линейной регрессии.
Сначала мы рассмотрим математические аспекты линейной регрессии, а затем я попытаюсь пролить свет на важные термины регрессии, такие как гипотеза и функция..
Зачем использовать наивный байесовский метод?
ПУТЕВОДИТЕЛЬ НАИВНЫХ ЗАЛИВ
Зачем использовать наивный байесовский метод?
Раздел 4: Оценка компромиссов в модели
Ссылка Как улучшить наивный байесовский метод? Раздел 3. Настройка модели в Python , прежде чем продолжить…
A D V A N T A G E S
Вопрос 1. Является ли наивный байесовский классификатор простым или сложным для понимания?
Ответ: простой
Вопрос 2. Является ли наивный байесовский классификатор интерпретируемым классификатором или нет?
Ответ:..
Показатели эффективности для задачи супервизированной классификации.
Какова цель просмотра показателей?
Чтобы найти решение нашей проблемы на основе фактических данных и прогнозируемых данных, которые помогут вам выбрать правильную метрику на основе вашей проблемы с данными.
Прежде чем выбрать правильную метрику для нашей задачи, нам нужно знать несколько терминов, относящихся к мерам задачи классификации. Матрица неточностей помогает нам решить проблему, выбрав правильный показатель для проблемы.
Матрица путаницы
Примечание:
0 указывает на..
Простое определение контролируемого и неконтролируемого машинного обучения
Простое определение контролируемого и неконтролируемого машинного обучения
Машинное обучение делится на два подхода: контролируемое и неконтролируемое; Поскольку я всегда стараюсь использовать простые примеры для объяснения сложных понятий, я предпочитаю использовать животное для описания этих двух категорий. В машинном обучении с учителем мы вводим образ собаки, кошки, птицы в Машину, а затем даем #bigdata #machine . На основе изображения, которое мы представили Машине, Машина..
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..