Публикации по теме 'decision-tree'
Классификатор дерева решений
Классификатор дерева решений — это тип контролируемого обучения, для которого требуется один или несколько входных данных и меток. Это структура бинарного дерева, состоящая из узлов решений и конечных узлов. Верхний узел называется корневым узлом, а листовые узлы находятся внизу, каждый узел обозначает класс.
При реализации алгоритма классификации дерева решений возникают две основные проблемы:
Как выбрать, какую функцию разделить на каждом узле?
Например, если у вас есть три..
Дерево решений от конца до конца реализации
Что ж, в этом блоге я очень рад начать с этой концепции дерева решений. Я рассмотрю комплексное понимание дерева решений. Итак, давайте сначала разберемся с этим, а также реализуем его с помощью python.
Что такое дерево решений?
Дерево решений - это метод контролируемого обучения , который можно использовать как для задач классификации, так и для задач регрессии, но в большинстве случаев он предпочтительнее для решения задач классификации. Это классификатор с древовидной..
Дерево решений с индексом Джини
Если вы не знаете об Энтропии, следите за этим блогом .
Что такое индекс Джини?
Индекс Джини или Примесь Джини рассчитывается путем вычитания суммы квадратов вероятностей каждого класса из единицы. Он предпочитает в основном большие разделы и очень прост в реализации.
Проще говоря, он вычисляет вероятность того, что определенная случайно выбранная функция будет неправильно классифицирована.
другой (🤦♂️) вычисляет вероятность того, что конкретная функция классифицируется..
Классификатор случайного леса
Здесь мы обсудили технику классификатора случайного леса с глубокой интуицией и реализацией различных гиперпараметров на языке Python.
Подобно реальному лесу, состоящему из тысяч деревьев, классификатор случайного леса также создается путем объединения нескольких деревьев решений (а не тысяч).
Случайный лес - это контролируемый алгоритм машинного обучения. «Лес», который он строит, представляет собой ансамбль деревьев решений, обычно обучаемых с помощью метода « упаковки »...
Демистификация деревьев решений: построение модели дерева решений с нуля в Pyspark
Добро пожаловать в увлекательное путешествие в увлекательное царство деревьев решений! В этом стремлении мы приступим к задаче построения модели дерева решений с нуля с использованием Python. Хотя тема может показаться сложной, не бойтесь! Мы будем методично и всесторонне разбираться в тонкостях этого мощного алгоритма. Итак, пристегните ремни и приготовьтесь погрузиться в глубины деревьев решений с сосредоточенным и решительным мышлением.
Модель дерева решений — это популярный..
Почему машинное обучение не идеально (пока)
Провалы в создании идеальных прогнозов: предвзятость и дисперсия (и шум)
Ранее я касался деревьев решений ( теория и приложение ), а также мешков, случайных лесов и деревьев с градиентным усилением на очень высоком уровне. В этом посте я собираюсь углубиться в то, что делает деревья решений замечательными, что делает их ужасными и что мы можем сделать, чтобы снова сделать их замечательными. В будущих статьях я специально остановлюсь на более сложных подходах более подробно. А пока..
Основа мощных алгоритмов машинного обучения: дерево решений
К настоящему времени вы хорошо понимаете, как можно решать задачи классификации и регрессии с помощью линейной и логистической регрессии. Но в логистической регрессии то, как мы делаем мультиклассовую классификацию, немного странное, поскольку вместо этого нам пришлось обучать несколько классификаторов, мы должны использовать только один классификатор для выполнения всей работы, а не только это, логистическая регрессия — это линейный классификатор, т. е. созданная граница решения. будет..