Публикации по теме 'decision-tree'


Кто написал спорные документы федералистов  — использовал машинное обучение для решения исторической загадки
Кластеризация k-средних и дерево решений В моей любимой песне из мюзикла «Гамильтон» «Non-Stop» Аарон Бёрр страстно заявляет об источнике газет федералистов. «В итоге за шесть месяцев они написали 85 эссе, — говорит Бёрр. «Джон Джей заболел после того, как написал пять. Джеймс Мэдисон написал 29. Гамильтон написал остальные 51!» Это знаменитые эссе, авторство которых оспаривается. Гамильтон заявил об авторстве до того, как был убит на дуэли. Позже на авторство претендовала и..
Контролируемое машинное обучение — алгоритм случайного леса с Python, часть № 1
Что такое алгоритм случайного леса? Random Forest — это контролируемый алгоритм машинного обучения, основанный на ансамблевом обучении. В статистике и методах машинного обучения ансамблевые методы используют несколько алгоритмов обучения для повышения эффективности прогнозирования. В этом направлении Random Forest объединяет несколько однотипных алгоритмов. Также мы можем использовать Random Forest как для задач регрессии, так и для задач классификации. Как работает алгоритм..
Дерево решений и случайный лес - объяснение
Подробное объяснение с теорией и примерами с кодом Деревья решений и случайные леса - это контролируемые алгоритмы обучения, используемые как для задач классификации, так и для регрессии. Эти два алгоритма лучше всего объяснить вместе, потому что случайные леса представляют собой совокупность объединенных деревьев решений. Конечно, при создании и объединении деревьев решений необходимо учитывать определенную динамику и параметры. В этом посте я объясню, как работают деревья решений и..
Деревья решений: полное введение с примерами
Деревья решений Дерево решений — это непараметрический алгоритм обучения с учителем. Он имеет иерархическую древовидную структуру, которая состоит из корневого узла, ветвей, внутренних узлов и конечных узлов. Деревья решений являются основой для многих классических алгоритмов машинного обучения, таких как случайные леса, бэггинг и ускоренные деревья решений. Его идея состояла в том, чтобы представить данные в виде дерева, где каждый внутренний узел обозначает проверку атрибута..
Демистификация деревьев решений: раскрывая силу прогнозного моделирования, часть I
Введение Деревья решений надежны и являются одним из широко используемых алгоритмов ID3 ​​в машинном обучении и анализе данных. Они обеспечивают структурированный и интуитивно понятный способ принятия решений и решения задач классификации и регрессии. Как мы увидим в этой статье, деревья решений предлагают множество преимуществ, и с помощью примеров мы поймем, как это работает. Что такое дерево решений? Деревья решений — это контролируемые алгоритмы обучения, которые можно..
Построение футбольной модели ожидаемых голов с использованием деревьев решений машинного обучения и XGBoost
Прогнозирование вероятности того, что удар приведет к голу Почему ожидаемые голы? Футбол (футбол) — мало результативный вид спорта; среднее количество голов, забитых командой за игру, составляет 1,4 при стандартном отклонении 1,18. Результаты определяются с небольшим отрывом и часто могут определяться случайными событиями или событиями, которые не полностью отражают производительность команды. К ним относятся случайно отклоненные броски/пасы, ошибочные решения судей (резкие красные..
Алгоритм классификатора случайного леса
Объяснение с помощью набора данных пациента с аномальным артериальным давлением Каждое дерево решений имеет высокую дисперсию, но когда мы объединяем их все параллельно, результирующий конфликт невелик, поскольку каждое дерево решений идеально обучается на этих конкретных выборочных данных. Следовательно, результат зависит не от одного дерева решений, а от нескольких деревьев решений. В случае проблемы классификации окончательный результат берется с использованием классификатора..