Публикации по теме 'classification'


Прогнозирование индекса акций S&P 500 с использованием классификационных моделей
В этой статье я рассмотрю несколько алгоритмов классификации, чтобы попытаться найти подходящие модели для прогнозирования рынка. В частности, SPDR S&P 500 Trust ETF (SPY) выбран как удобный способ анализа S&P 500. Большое внимание в этом проекте будет уделяться выбору функций. Я хочу использовать этот проект, чтобы получить некоторый практический опыт в реализации различных методов выбора функций и узнать, как их применять оптимальным образом. Оглавление Классификационные модели..
Классификация стекла с использованием нейронных сетей
Классифицируйте разные типы очков Описание проблемы Эта проблема связана с классификацией стекла по определенным характеристикам. Эта конкретная проблема может быть решена с помощью алгоритма машинного обучения, такого как SVC, Random Forest или любого другого алгоритма классификации, но я использовал нейронную сеть. Однако выбор простого алгоритма будет лучше, потому что у нас мало данных. Источник данных Данные общедоступны через Kaggle , отсюда вы можете легко скачать..
Функция потерь, подходящая для данных с несбалансированным классом: «Focal Loss»
Глубокое обучение с несбалансированными данными о классе Классовый дисбаланс: В машинном обучении мы иногда имеем дело с очень хорошими данными, такими как модные данные MNIST или данные CIFAR-10, где примеры каждого класса в наборе данных хорошо сбалансированы. Что произойдет, если в задаче классификации распределение примеров по известным классам смещено или искажено? Такие проблемы с серьезным или небольшим смещением в наборе данных являются обычными, и сегодня мы обсудим подход..
Линейные модели для классификации, логистической регрессии, с библиотекой sklearn и без нее
"Машинное обучение" Линейные модели для классификации, логистической регрессии, с библиотекой sklearn и без нее В этой статье дедуктивно раскрывается тема логистической регрессии, которая представляет собой линейные модели для классификации. В нем объясняется, как алгоритм логистической регрессии работает математически, как он реализован с библиотекой sklearn и, наконец, как он реализован в python с математическими уравнениями без библиотеки sklearn. Кроме того, объясняется..
Глубокое погружение в логистическую регрессию: простая, но такая мощная
Глубокое погружение в логистическую регрессию: простая, но такая мощная This blog is beginner friendly, will start from scratch and cover up to a medium-advance level of intuitive understanding of Logistic Regression. Blog is divided into 3 parts. Contents of each part are mentioned below. All the techniques and concepts are explained using first principle technique . This blog uses various references as well which I have mentioned below.Criticism and doubts are welcome. Please go..
Деревья повышения градиента для классификации: руководство для начинающих
Введение Алгоритмы машинного обучения требуют большего, чем просто подгонка моделей и прогнозирование для повышения точности. В настоящее время большинство моделей-победителей в отрасли или на соревнованиях используют ансамблевую технику, чтобы работать лучше. Один из таких методов - Повышение градиента . В этой статье основное внимание будет уделено пониманию того, как деревья повышения градиента работают для задач классификации. Мы также обсудим некоторые важные параметры,..
SVM: проблема оптимизации
Рисование линий с помощью Лагранжа 1. Обзор В этом блоге будет исследована механика машин опорных векторов. Во-первых, давайте сделаем обзор этой статьи со скоростью 100 миль в час (настоятельно рекомендуем вам просмотреть ее, прежде чем читать эту). По сути, нам даны некоторые точки в n-мерном пространстве, где каждая точка имеет двоичную метку и мы хотим разделить их гиперплоскостью. Обозначим любую точку в этом пространстве через x. Тогда любую гиперплоскость можно представить в..