Свързани публикации 'classification'


Курс „Машинно обучение“ от Андрю Нг: Прекодиране с Python — Част 5: Класификация един срещу всички и...
Това е петата статия от тази поредица, в която се опитвам да прекодирам упражненията в (стария) курс за машинно обучение от Андрю Нг (където упражненията по програмиране се правят с помощта на Octave). Намерението ми да пиша тези статии е да помогна на обучаемите в този курс да използват Python като алтернатива, докато изпълняват упражненията. Моля, не се колебайте да разгледате и предишните части от тази поредица: Част1: Модел на линейна регресия с една характеристика Част2: Линейна..
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..
Овладяване на оценката на модела: Изчерпателно ръководство за избор и тълкуване на показатели за оценка...
Въведение В областта на машинното обучение оценката на ефективността на моделите е от съществено значение за разбирането на тяхната ефикасност и вземането на информирани решения. Метриките за оценка предоставят количествени мерки за оценка на това колко добре се представя моделът на машинно обучение при конкретни задачи като класификация, регресия или групиране. В тази статия ще проучим значението на показателите за оценка и ще обсъдим различните типове, които обикновено се използват..
Как да изградите KNN от нулата в Python
... добре, поне без KNeighborsClassifier на sklearn. k-Най-близки съседи k-Nearest Neighbors (KNN) е контролиран алгоритъм за машинно обучение, който може да се използва или за задачи за регресия, или за класификация. KNN е непараметрична, което означава, че алгоритъмът не прави предположения относно основните разпределения на данните. Това е в контраст с техника като линейната регресия, която е параметрична и изисква от нас да намерим функция, която описва връзката между зависимите..
Класификация на AI: Разкриване на подполетата и техниките на изкуствения интелект
Изкуственият интелект (AI) и машинното обучение (ML) се появиха като трансформиращи технологии, прекрояващи индустриите и революционизиращи начина, по който живеем, работим и взаимодействаме. От самоуправляващите се автомобили до интелигентните виртуални агенти, AI се превърна в неразделна част от нашето ежедневие. В тази статия ще навлезем в очарователния свят на AI и ML, изследвайки различните подполета и техники, които управляват тази мощна технология. Машинно обучение : Машинното..
Класификация на методите за машинно обучение
Машинното обучение е разделено на две части 1) Плитко обучение Плитко обучение под наблюдение Наивен Бейс Логистична регресия Поддържаща векторна машина Случайни гори Скрити марковски модели K-най-близки съседи Плитки невронни мрежи Плитко обучение без надзор Клъстеризиране Асоциация 2) Задълбочено обучение Надгледано задълбочено обучение Напълно свързани, Feedfoward Deep невронни мрежи Конволюционни, Feedforward Дълбоки невронни мрежи..
Машинно обучение 101: Класификационните модели трябва да се познават
Най-добрият алгоритъм за класификация за конкретен проблем зависи от няколко фактора, като размера и типа на данните, броя на класовете и желаната точност. Някои от най-често използваните алгоритми за класификация включват: Логистична регресия Дървета на решенията Случайни гори Поддържайте векторни машини (SVM) K-най-близки съседи (KNN) Наивен Бейс Невронни мрежи Всеки от тези алгоритми има своите силни и слаби страни и кой е най-добрият за определен проблем ще зависи от..