Публикации по теме 'classification'


Активное обучение в классификации — Стратегии запросов
Активное изучение? Вы еще не слышали об активном обучении? Не беспокойся. Это простая идея. Активное обучение — шаг, вставленный между «немаркированным пулом» и «моделью машинного обучения». Он применяет подход, определяющий, какие данные следует выбирать из немаркированного пула и использовать для обучения модели, чтобы новая точка данных была наиболее «ценной» и имела наибольшую вероятность повышения производительности модели. Самая уникальная и очаровательная часть активного..
Построение модели бинарной логистической регрессии с нуля для классификации настроений с использованием текста
Расшифровка текстовых эмоций: раскрытие информации о чувствах с помощью методов НЛП и модели бинарной логистической регрессии, созданной с нуля. Прежде чем мы начнем краткое введение: Как мы знаем, анализ настроений — это мощное приложение в области обработки естественного языка, которое включает интерпретацию и классификацию эмоций, выраженных в текстовых данных. Положительный, отрицательный или нейтральный анализ настроений направлен на понимание основного настроения,..
Опорные векторные машины
Машины опорных векторов (SVM) — это популярный и мощный алгоритм машинного обучения, используемый для задач классификации и регрессии. В этом посте я объясню, что такое SVM и как они работают, а также предложу пример кода и пошаговые инструкции по использованию пакета Python Scikit-learn для создания модели SVM. Что такое СВМ? SVM — это алгоритм машинного обучения, который можно использовать как для задач классификации, так и для задач регрессии. Он работает, находя оптимальную..
Классификация в машинном обучении — Пример дерева решений с энтропией Шеннона
Энтропия Шеннона для измерения беспорядка Шеннон — американский математик. Он вводит идею энтропии для измерения беспорядка в некоторых данных. Мы называем это энтропией Шеннона. Предположим, у нас есть три ряда таких ромбов: Какой из них имеет наибольшую энтропию (больше всего в беспорядке, где труднее заранее узнать форму случайного алмаза)? Энтропия Шеннона с формулой Я собираюсь математически объяснить ответы. Вы можете пропустить эту часть, если у вас аллергия..
Введение в классификацию: понимание основ
Классификация – это метод машинного обучения , который присваивает метку или класс определенной выборке входных данных на основе определенных функций или характеристик. Это задача обучения с учителем , что означает, что модель обучается на размеченных данных и учится предсказывать класс входной выборки, находя закономерности и взаимосвязи в обучающих данных. . Существует несколько типов алгоритмов классификации, в том числе: Двоичная классификация . Это включает в себя..
Настройка модели для снижения ложных прогнозов
Настройте свою модель, чтобы классифицировать только с более высокой степенью уверенности Введение При создании модели классификации многие алгоритмы предлагают функцию predict_proba() , чтобы дать нам вероятность того, что это наблюдение будет отнесено к каждому классу. Таким образом, обычно можно увидеть такой вывод: [0.925, 0.075] В предыдущем случае модель на 92,5% уверена, что наблюдение относится к классу 0, и только с вероятностью 7,5% относится к классу 1...
Показатели эффективности модели для классификации
Матрица путаницы, точность, отзыв, точность и F1-оценка Понимание модели не заканчивается поиском точности. Каждая мера производительности модели важна и говорит нам о многих важных аспектах данных и самой модели. В этом блоге я постараюсь объяснить каждый небольшой вывод, который мы можем сделать из этой меры. Матрица путаницы Матрица путаницы — это сводная таблица, которая сообщает нам, насколько правильно и неправильно мы предсказали. Например, в случае бинарной..