Публикации по теме 'random-forest'


Выбор признаков с помощью Random Forest
Случайный лес — моя любимая модель машинного обучения. Он прост, надежен и интерпретируем. По моему опыту, в большинстве случаев он также работает хорошо или, по крайней мере, обеспечивает надежную основу. Его также можно использовать для определения наиболее важных функций для задачи машинного обучения. Прежде чем показать вам практический пример, я хотел бы углубиться в выбор признаков и случайные леса. Почему выбор функций? Выбор признаков — это процесс сокращения количества..
Введение в алгоритм случайного леса
Введение: Случайный лес — это контролируемый алгоритм машинного обучения, который широко используется в задачах классификации и регрессии. Каждое дерево решений имеет высокую дисперсию, но когда мы объединяем их все вместе параллельно, результирующая дисперсия становится низкой, поскольку каждое дерево решений отлично обучается на данных конкретной выборки, и, следовательно, результат зависит не от одного дерева решений, а от несколько деревьев решений. Он строит деревья решений на..
Классификатор случайных лесов для биоинформатики
В мире машинного обучения (ML), где исследователи и практики стремятся разработать новые методы и предложить еще один новый алгоритм для прогнозирования, классификатор случайных лесов (RFC) остается таким же важным, как и вчера. Современная биология использует ML и Data Science (DS) с беспрецедентной скоростью. В отличие от нейронных сетей, RFC непараметрический, интерпретируемый, эффективный и имеет высокую точность прогнозирования для нескольких типов данных. В результате RFC - один..
Машинное обучение в биоинформатике
Машинное обучение теперь просто повсеместно. Даже в Биоинформатике есть несколько задач, которые как будто специально придуманы для решения с помощью машинного обучения, и эта статья посвящена практическому применению методов машинного обучения на одном примере. Я хочу рассказать вам о небольшом проекте по прогнозированию связывающей активности лигандов с помощью ML. Весь код можно найти в Блокноте Jupyter . Так что не заморачивайтесь, скопируйте-вставьте это из статьи :)..
Все о случайных лесах и обработке в них недостающих значений.
Алгоритм случайного леса - один из самых популярных и самых мощных контролируемых алгоритмов машинного обучения, который может выполнять как задачи классификации, так и регрессии. Как следует из названия, этот алгоритм создает лес с несколькими деревьями решений. В общем, чем больше деревьев решений в лесу, тем надежнее прогноз, что приводит к более высокой точности. Чтобы создать лес с несколькими деревьями решений, мы будем использовать тот же метод, который мы использовали в..
Дерево решений и случайный лес (машинное обучение)
Древо решений Дерево решений - это контролируемый алгоритм машинного обучения, используемый для прогнозирования результатов по определенным правилам / инструкциям и выполняется путем разделения данных на различные подмножества. Как следует из названия, Дерево решений представляет собой древовидную модель решений и их результатов. Что оно делает? Дерево решений обычно начинается с одного узла, а затем расходится на его различные ветви. В машинном обучении он используется для..
Три совета на основе данных о том, как начать прибыльный бизнес на Airbnb в Нью-Йорке
Введение Начать бизнес Airbnb в Нью-Йорке, туристическом направлении №1 в США, может быть одновременно и волнительно, и нервно. С одной стороны, вы, вероятно, слышали о многочисленных успешных историях и хотите испытать свою удачу. С другой стороны, вас могут беспокоить фундаментальные вопросы, например, в какую недвижимость инвестировать и какова справедливая цена вашего листинга. Один из хороших способов ответить на этот вопрос — просмотреть исторические списки. В этой статье я..