Свързани публикации 'classification-algorithms'
Извличане на данни: Откриване на аномалии с Python
Въведение:
Извличането на данни е процес на откриване на модели в големи набори от данни. Откриването на аномалии е техника, използвана за идентифициране на необичайни модели в данните, които могат да показват измамна дейност или други интересни прозрения. Това също е форма на класификация, при която целта е да се идентифицират малък брой екземпляри, които са различни от мнозинството.
Откриването на аномалии се използва в различни приложения, включително откриване на измами,..
Изграждане на KNN алгоритъм от нулата с Pandas и Numpy.
Въпреки че има много налични библиотеки на високо ниво, които предоставят готови за използване реализации на алгоритми за машинно обучение, доброто разбиране на основните принципи ни позволява да вземаме информирани решения и да се справяме ефективно с предизвикателствата в реалния свят. Това ни позволява да оптимизираме и прецизираме тези алгоритми, за да отговарят на конкретни случаи на употреба и да интерпретираме по-добре техните резултати. В тази публикация в блога ще навлезем в..
Машинно обучение за класификация
Вижте някои кратки бележки за различни подходи за машинно обучение за класификация като логистична регресия, наивни класификатори на Бейс, дървета за вземане на решения, K-най-близки съседи, опорна векторна машина.
Python кодовете също са предоставени за практикуване с тези подходи.
Вижте го тук .
Контакт :
[email protected] | https://cursifrancesco.wordpress.com/
Аз съм доктор по роботика, с голям интерес към AI, машинно обучение, оптимизация и технологии като цяло...
Бърз поглед върху класификацията
Тук ще научите какво е класификация и алгоритми за класификация. Надявам се да ви хареса моето писане!
Какво е класификация?
Класификацията е процесът на разпознаване, разбиране и групиране на идеи и обекти в предварително зададени категории или субпопулации. Използвайки предварително категоризирани набори от данни за обучение, програмите за машинно обучение използват различни алгоритми за класифициране на бъдещи набори от данни в категории.
Алгоритмите за класифициране в машинното..
Основи на RoC кривата и AUC резултат
Основи на RoC кривата и AUC резултат
RoC кривата означава крива на работните характеристики на приемника, а AUC означава площ под кривата
За да разберем напълно RoC кривата и AUC резултата, трябва да разберем матрицата на объркването. Матрицата на объркване е матрица с размерност 2X2 между Действително +/- и Тест +/-. Въпреки това можем да обменяме между True и Test.
Когато действителните + и - имат едни и същи стойности в теста, това се означава съответно като истински положителен и..
Изследване на алгоритъма на Naive Bayes от Basic
Изследване на наивния Байес — математика
Теоремата на Байс е в основата на Наивния алгоритъм на Байс . Всъщност има цяла област на статистиката, наречена Байесова статистика , където теоремата на Бейс е ключов принцип.
Теорията, залегнала в основата на тези алгоритми, ще бъде разгледана в тази статия.
Да кажем, че имаме точка от данни x , можем да я представим във векторна форма като
съдържа n характеристики, всяка точка от данни може да принадлежи към един от класовете..
Матрица на объркването: ясен начин за визуализиране на ефективността на модела при класификация
Матрицата на объркването е мощен инструмент, използван за оценка на ефективността на класификационните модели. Той предоставя ясно и кратко резюме на това колко добре се представя моделът, което ви позволява да идентифицирате области за подобрение. Матрицата е табличен формат, който показва прогнозирани стойности спрямо действителните им стойности. Това ви позволява да разберете дали моделът прави правилни прогнози или не.
Матриците на объркване могат да се използват за изчисляване на..
