Публикации по теме 'classification'
Мой первый проект машинного обучения: прогноз кредита
Мой первый проект машинного обучения: прогноз кредита
Всем привет,
В последнее время я изучил много концепций ML и подумал о том, чтобы проверить полученные знания, поэтому я решил принять участие в онлайн-задаче «Практика: прогнозирование кредита».
Проблема в основном заключается в том, чтобы определить право клиента на получение ссуды. Детали постановки проблемы приведены ниже:
О компании
Компания Dream Housing Finance занимается всеми жилищными кредитами. Они присутствуют во..
Как проводить обучение с учетом затрат
Будьте правы при моделировании классификации, когда это наиболее важно
Вступление
Команды Data Science часто должны балансировать между созданием ценных моделей на заказ и созданием надежных, прозрачных и масштабируемых конвейеров решений. Преобразование данных с помощью матрицы затрат для конкретного бизнеса до подбора модели может адаптировать модель к вашему бизнесу, не усложняя развернутый конвейер. В этой статье приводится практическое обсуждение с примерами того, как вы можете..
Сглаживание Лапласа в наивном байесовском алгоритме
Решение проблемы нулевой вероятности в наивном байесовском алгоритме
Наивный байесовский классификатор - это вероятностный классификатор, основанный на теореме Байеса, который используется для задач классификации. Он достаточно хорошо работает с задачами классификации текста, такими как фильтрация спама и классификация отзывов как положительных или отрицательных. Поначалу алгоритм кажется идеальным, но фундаментальное представление наивного Байеса может создать некоторые проблемы в..
Классификация дерева решений за 9 шагов с помощью Python
Классификация дерева решений — это первая модель типа классификации в этой серии . Наш кейс связан с рекламой в социальных сетях. В рекламе представлен автомобиль типа SUV. У нас есть набор данных , содержащий данные о поле, возрасте, предполагаемой зарплате людей, которые видят эту рекламу. Последние данные касаются людей, купивших или не купивших внедорожник. Мы должны создать модель, которая может разделить людей на два класса. Начнем с импорта необходимых вещей
#1 Importing..
Обучение под наблюдением: начало для новичков
написано Паритошем Марате и Сандешем Локханде
В предыдущем посте мы рассмотрели основы машинного обучения. В этом мы начнем с первой парадигмы ML, а именно обучения с учителем.
Обучение под наблюдением:
В этой парадигме есть «руководитель», который может предоставить необходимые данные, чтобы мы могли сделать выводы.
Эти данные представляют собой форму входных данных и их ожидаемых выходных данных, где входные данные (представленные как X) называются «атрибутами», а выходные..
Классификация видеоклипов
Модель классификации с использованием набора данных по моему выбору.
Я нашел интересный набор данных о телерекламе в Хранилище машинного обучения UCI . Набор данных состоит из аудио- и визуальных характеристик видеоклипов, взятых из новостных телепередач. Сами видеоклипы были созданы путем сегментации 30-минутных записей с использованием однородности распределения цветов. Все это часть предварительно обработанного набора данных из UCI.
Видеоданные, которые я использовал, были получены..
Создайте свою первую нейронную сеть на Python
Искусственные нейронные сети привлекли внимание, в основном, из-за алгоритмов глубокого обучения. В этом посте мы будем использовать многослойную нейронную сеть в рабочем процессе машинного обучения для классификации видов цветов с помощью sklearn и других библиотек Python.
Темы: # рабочий процесс машинного обучения, # модель классификации с учителем, # нейронные сети прямого распространения, # перцептрон, # питон, # анализ линейной дискриминации, # масштабирование и..
