Публикации по теме 'decision-tree'
Простое объяснение того, как алгоритм дерева решений принимает решения
Простое объяснение того, как алгоритм дерева решений принимает решения
Интуиция за алгоритмом дерева решений
Дерево решений — очень популярный алгоритм машинного обучения. Он работает как для линейных, так и для нелинейных данных. Кроме того, его можно использовать как для классификации, так и для регрессии. Благодаря отличным библиотекам и пакетам, доступным в Python и R, любой может легко использовать дерево решений и другие алгоритмы машинного обучения, даже не зная, как они..
Использование моделирования классификации редких событий для прогнозирования плей-офф Кубка Стэнли 2023 года
Кто заберет домой кубок лорда Стэнли в этом году?
Введение
В машинном обучении (ML) очень сложно точно классифицировать редкое событие по двум причинам:
Событие, которое пытаются предсказать, происходит недостаточно часто, чтобы можно было точно определить взаимосвязь между предикторами и переменными отклика. Разделение данных на данные обучения и тестирования затруднено из-за дисбаланса между положительными и отрицательными значениями отклика.
Прогнозирование победителя..
Машинное обучение для банковского дела: пример использования утверждения ссуды
Базовая бизнес-модель банков полагается на финансовое посредничество путем привлечения финансовых средств и кредитования (ипотека, недвижимость, потребительские ссуды и ссуды компаниям). последний является основным источником кредитного риска, состоящего из двух основных моментов, связанных с одобрением ссуды и мошенничеством. в этом посте мы сосредоточимся на утверждении кредита с использованием моделей машинного обучения.
Предоставление кредита как розничным, так и корпоративным..
Все, что вам нужно знать о деревьях решений.
Метод контролируемого машинного обучения
Почему дерево решений?
Дерево решений – это самый мощный и популярный инструмент для классификации и прогнозирования. Дерево решений представляет собой древовидную структуру, похожую на блок-схему, где каждый внутренний узел обозначает проверку атрибута, каждая ветвь представляет результат проверки, а каждый конечный узел содержит метку класса.
Деревья решений — это форма подхода к интеллектуальному анализу данных, которая создает модель..
Введение в деревья решений для классификации в машинном обучении
В области машинного обучения деревья решений являются мощным инструментом для решения задач классификации. Они интуитивно понятны, легко интерпретируются и могут обрабатывать как числовые, так и категориальные данные.
Что такое деревья решений?
Дерево решений — это иерархическая структура, которая представляет ряд решений и их возможных последствий. В контексте классификации дерево решений учится принимать решения на основе входных признаков и предсказывает соответствующий класс или..
Как XGBoost обрабатывает мультиклассовую классификацию?
Крайне важно понимать основные принципы работы классификации с использованием такой модели, поскольку она влияет на производительность.
В этой статье мы увидим, как ансамбль деревьев решений, обученный с использованием библиотек Gradient Boosting, таких как XGBoost, LightGBM и CatBoost, выполняет мультиклассовую классификацию.
Действительно, ансамбль деревьев решений связывает реальное значение с набором признаков, поэтому возникает вопрос: как ансамбли деревьев решений преобразуют..
Начало работы с машинным обучением: 4 основные модели, которые нужно знать
Чтобы лучше понять модели, представленные в этой статье, а также увидеть их реализацию на Python, я предлагаю вам прочитать блокнот Азбука машинного обучения: 4 основных модели на Kaggle.
Введение
Машинное обучение определенно изменило многие отрасли по всему миру. После того, как OpenAI выпустила свой недавний инструмент ChatGPT, многие энтузиасты и новички начали говорить об ИИ и его возможном влиянии на общество.
Благодаря вниманию, вызванному всеми модными словечками и новостями,..