Публикации по теме 'classification'
Машина опорных векторов
Алгоритм контролируемого машинного обучения, который можно использовать как для задач классификации, так и для регрессии. Однако в основном он используется в задачах классификации. В этом алгоритме мы отображаем каждый элемент данных как точку в n-мерном пространстве (где n — количество признаков, которые у вас есть в данном кортеже X), при этом значение каждого признака является значением конкретной координаты. Затем мы выполняем классификацию, находя прямую линию для 2D-данных (только с..
Использование машинного обучения и глубокого обучения для классификации волновых паттернов
Предположим, что у нас есть три типа волновых паттернов, как показано на Рисунке 1 .
синий узор показывает данные, взятые из синусоидальной функции; красный узор показывает данные, выбранные случайным образом; зеленый цвет показывает данные, взятые из комбинации трех синусоидальных функций;
Скажем, синяя кривая указывает на схему моего сердцебиения в нормальном состоянии, красная кривая указывает на схему моего сердцебиения, когда я смотрел Мировую войну Z , и..
Классификация в контролируемом обучении
Классификация определяет категорию, к которой может принадлежать новое наблюдение.
Давайте рассмотрим простой пример —
На приведенном выше изображении, если 1-му наблюдению присвоена метка «ЧЕЛОВЕК», то оно правильно классифицировано. Однако, если он дал ярлык «ЖЕНЩИНЫ», тогда классификация неверна.
Точно так же для второго наблюдения, если ему дается ярлык «ЖЕНЩИНЫ», оно классифицируется правильно, иначе классификация неверна.
Примером классификации является дерево решений. Это..
Машины опорных векторов для классификации
Узнайте о машинах опорных векторов (SVM), от интуиции до реализации
Классификация в машинном обучении - это задача научиться различать точки, принадлежащие двум или более категориям в наборе данных. С геометрической точки зрения, отнесение набора точек к какой-либо категории включает поиск наилучшего возможного разделения между ними. Предположим, у нас есть набор данных, который выглядит так:
Здесь мы можем четко выделить две категории, каждая из которых определяется как C1 = 1 и..
Классификация машинного обучения
Введение
Машинное обучение под наблюдением бывает двух типов: 1) регрессия, 2) классификация .
В задаче регрессии речь идет о непрерывном типе данных, что означает, что прогнозируемое значение или целевое значение будет непрерывным по своей природе, но в задачах классификации мы в основном обращаться с целевым значением как с дискретным по своей природе, оно принадлежит какому-то классу.
Давайте сначала разберемся с некоторыми вариантами использования, а затем продолжим. Здесь..
Комплексное решение для машинного обучения (часть 2|3): создание модели машинного обучения и управление ею
«Ошибки, связанные с использованием неадекватных данных, намного меньше, чем ошибки, связанные с полным отсутствием данных».
— Чарльз Бэббидж , изобретатель и математик.
Это вторая запись в блоге из этой серии, и я предполагаю, что вы уже ознакомились с первой ( Полное решение для машинного обучения (часть 1|3): создание приложения Flask ) , если нет. тогда я бы предложил вам сначала пройти через это. Здесь я собираюсь показать вам, как мы можем разработать наше решение для..
Кривая работы приемника (ROC) и шкала - понимание ROC по аналогии
Рабочая кривая приемника (ROC) используется для оценки и улучшения классификационных моделей машинного обучения. Кому не нужен точный классификатор, позволяющий разместить наблюдения там, где они на самом деле?
Вкратце поясняется, что ROC - это график, который используется в качестве метрики для улучшения способности классификационной модели машинного обучения различать категории, представляющие интерес.
В этой статье мы попытаемся объяснить ROC через аналогию с шкалой. Мы будем..
