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..