Публикации по теме 'supervised-learning'


Изучение каждой функции с помощью машинного обучения:
Контролируемое машинное обучение, неконтролируемое машинное обучение и полуконтролируемое машинное обучение Машинное обучение — это разновидность искусственного интеллекта (ИИ), которая предоставляет компьютерам возможность обучаться без явного программирования и принимать разумные решения. Это также позволяет машинам расти и совершенствоваться с опытом. Существует 3 типа обучения, которые связаны с машинным обучением: контролируемое, неконтролируемое и частично контролируемое..
Машинное обучение
Введение :- Машинное обучение — это область искусственного интеллекта (ИИ), которая фокусируется на разработке алгоритмов и моделей, которые могут учиться на данных и делать прогнозы или принимать решения без явного программирования. Другими словами, это способ научить компьютеры учиться на собственном опыте и со временем повышать свою производительность. Машинное обучение можно разделить на три основных типа: обучение с учителем, обучение без учителя и обучение с подкреплением...
Адаптивное повышение или алгоритм AdaBoost.
Во многих моделях машинного обучения алгоритм фокусируется на высококачественном прогнозировании, но алгоритмы повышения стремятся повысить мощность прогнозирования путем обучения последовательности слабых моделей, каждая из которых компенсирует недостатки своих предшественников. Повышение - это метод ансамбля, который пытается создать сильный классификатор из ряда слабых классификаторов. Чтобы понять этот алгоритм, вам необходимо знать основные концепции деревьев решений и случайного..
Как стратегически достичь целей производительности вашей модели машинного обучения
Вступление Разработка машинного обучения (ML) - это итеративный процесс. У вас есть идея решить поставленную задачу, вы строите идею и изучаете результаты. У вас появляется еще одна идея по улучшению результатов и так далее, пока вы не достигнете цели производительности, при которой ваша модель будет считаться готовой к развертыванию в производственной среде - готовой к использованию конечными пользователями. Однако часто есть много идей и возможностей, которые вы можете..
Типы методов машинного обучения
КОНТРОЛЬНОЕ ОБУЧЕНИЕ В этом типе модели машинного обучения мы пометили обучающие данные. Например, нам даны данные о возрасте и доходе клиентов, и на их основе мы должны построить модель классификации, которая предсказывает, купит ли клиент компьютер. Теперь наша цель будет состоять в том, чтобы придумать функцию, которая может предсказать, купит ли клиент компьютер или нет. Для этого нам будет предоставлена ​​обучающая выборка, на которой мы будем строить алгоритм обучения..
Полное руководство по обучению с учителем в области машинного обучения
Введение. Машинное обучение изменило наш подход к решению сложных задач, используя мощь данных и алгоритмов. Среди различных областей машинного обучения контролируемое обучение является широко используемой и эффективной техникой. В этой статье мы рассмотрим основы обучения с учителем, поймем его основные концепции и рассмотрим его применение в различных областях. Что такое супервизорское обучение? Обучение с учителем — это парадигма машинного обучения, в которой алгоритм учится на..
Случайный лес и его реализация
Наряду с его реализацией на Python В этом блоге мы попытаемся понять один из самых важных алгоритмов машинного обучения, то есть алгоритм случайного леса. Мы постараемся взглянуть на то, что делает Random Forest таким особенным, и попытаемся реализовать его на реальном наборе данных. Код вместе с набором данных можно найти здесь . Ансамблевое обучение Метод ансамбля - это метод, который объединяет прогнозы из нескольких алгоритмов машинного обучения вместе, чтобы делать..