Публикации по теме 'classification'


ВВЕДЕНИЕ В ОБУЧЕНИЕ С УПРАВЛЕНИЕМ
О программе:- Обучение с учителем, часто называемое машинным обучением с учителем, представляет собой ветвь машинного обучения, которая использует помеченные наборы данных для обучения алгоритмов. Здесь есть два основных компонента: входные данные и выходные метки. Цель состоит в том, чтобы построить модели прогнозирования или классификации для различных наборов данных. Тип алгоритмов обучения с учителем:- В контролируемом обучении есть 2 основные категории алгоритмов:..
Эмпирический анализ классификации электронной почты с использованием набора данных Enron
В этой статье мы сначала оценим производительность 3 алгоритмов машинного обучения, а именно логистической регрессии, классификации опорных векторов и классификатора случайного леса. Во второй части мы сравним производительность алгоритмов машинного обучения с результатами, полученными с помощью модели рекуррентной нейронной сети (LSTM). В процессе оценки мы будем использовать набор данных Enron . 1. О наборе данных Набор данных Enron состоит из электронных писем, отправленных в..
XGBoost (классификация) в Python
Введение В предыдущих статьях мы представили Дерево решений , сравнили дерево решений с Случайным лесом , сравнили случайный лес с AdaBoost , и сравнил AdaBoost с Усиление градиента . Это было настоящее путешествие. К сожалению, всему есть конец. Эта статья завершит серию алгоритмов дерева. В частности, сначала мы рассмотрим XGBoost , что означает Экстремальное повышение градиента. Как следует из названия, XGBoost — это экстремальная и продвинутая версия повышения..
Показатели эффективности
Метрики используются для оценки производительности алгоритмов машинного обучения, классификации, а также алгоритмов регрессии. Мы должны тщательно выбирать метрики, потому что измерение производительности алгоритмов машинного обучения будет полностью зависеть от выбранной нами метрики. Показатели производительности для классификации Матрица путаницы Он используется в задаче классификации для установления связи между прогнозируемыми значениями и фактическими значениями. Он показывает,..
Изучение алгоритма логистической регрессии с набором данных о сердечных заболеваниях в Python
Логистическая регрессия — популярный алгоритм классификации, используемый в машинном обучении. В этом руководстве мы рассмотрим, как реализовать алгоритм логистической регрессии с использованием библиотеки Python scikit-learn. Мы будем использовать набор данных Heart Disease в качестве примера и рассмотрим необходимые шаги, включая импорт и предварительную обработку данных, обучение…
Классификация и кластеризация
Машинное обучение включает в себя различные методы анализа данных, и два наиболее часто используемых метода — это классификация и кластеризация. Оба этих метода направлены на группировку точек данных в определенные категории или кластеры, но они различаются по своему подходу и применению. В этой статье мы более подробно рассмотрим классификацию и кластеризацию в машинном обучении и рассмотрим их различия, преимущества и варианты использования. КЛАССИФИКАЦИЯ: Классификация — это..
Разнообразие манго и прогноз цен (часть 1)
Это проект, созданный мной и членами моей команды как часть наших внутренних компонентов. Цель этого проекта — использовать изображение манго, чтобы выяснить, что это за манго, а затем использовать эту информацию и некоторые другие входные данные, такие как штат, район, рынок и дата (дд/мм/гггг). чтобы понять, сколько это будет стоить. Он использует методы машинного обучения с учителем и представляет собой простой, но уникальный проект, который предлагает глубокое понимание и понимание..