Свързани публикации 'classification'


Метрики за оценка на класификационни модели
„Машинно обучение“ Метрики за оценка на класификационни модели От точност до f-резултати, ето 8 показателя за изследване на силните и слабите страни на вашия класификатор, заедно с това как да ги внедрите в Python Въведение След много дълги дни и безсънни нощи, вие най-накрая изградихте това, което смятате, че е най-добрият класификационен модел досега и сте готови да го представите на вашия клиент. Докато създавате презентацията, вие се опитвате да измислите най-добрия начин да..
Обучение на модел на Naive Bayes за идентифициране на автора на имейл или документ
В този пример използваме набор от имейли или документи, които са написани от две различни лица. Целта е да се обучи модел на Naive Bayes, за да може да предвиди кой е написал документ/имейл, като се имат предвид думите, използвани в него Хранилището на Github с файловете, използвани в този пример, може да бъде намерено тук . Файлът nb_email_author.py съдържа скрипта, който зарежда данните, обучава модела и намира резултата на прогнозата за обучаващи и тестови набори. Тук..
Площ под кривата (AUC): надеждна мярка за ефективност на класификационните модели
Ключови думи: Машинно обучение, Дълбоко обучение, Data Scientist, Класификация, Big Data, AI. Въведение Класификационните модели са важни инструменти, използвани за прогнозиране на данни в различни категории (класове). Те се използват широко в области, вариращи от медицинска диагностика до филтриране на спам и финансови анализи. Точното оценяване на ефективността на класификационен модел е от решаващо значение за избора на алгоритъм и оптимизацията на модела. В тази статия ще..
Алгоритми за машинно обучение и дълбоко обучение
Можете да прочетете моите блогове в следния ред, ако искате да знаете машинно обучение / дълбоко обучение. Алгоритми за класификация: „Логистична регресия“ KNN Класификатор „Наивен алгоритъм на Бейс, част I“ „Наивен алгоритъм на Бейс, част II“ „Машини за поддържащи вектори“ „Дървета на решенията“ Техники за ансамблиране - пакетиране Техники за групиране - усилване Регресионни алгоритми: "Линейна регресия" Дълбоко обучение "Въведение" „Невронна мрежа срещу..
Класифициране на класификациите
Въведение в различни типове задачи за класификация Класификацията е популярен подход за контролирано машинно обучение, който категоризира набор от данни в групи в зависимост от наличните функции. Има широк спектър от приложения, напр. разпознаване на изображения, разпознаване на реч, медицинска диагноза, класификация на документи, откриване на спам, за да назовем само няколко. Списъкът обаче непрекъснато се увеличава. Конкретният „тип“ на задача за класификация се определя от..
Сравнително проучване за прогнозиране на ваксинации с помощта на ML алгоритми
Тази статия е написана от Алпарслан Месри и Хейл Кизилдуман . В края на 2009 г. и началото на 2010 г. в САЩ бяха проведени телефонни проучвания за грип H1N1. В това проучване, освен социалните, икономическите и демографските въпроси, респондентите бяха попитани дали имат ваксина H1N1 или ваксина срещу сезонен грип. С тази информация се цели да се предвиди дали тези хора имат ваксини срещу H1N1 и сезонен грип. Това проучване е предварителна подготовка за бъдещи проучвания. Като..
Удобно за начинаещи Въведение Наблюдавано машинно обучение
Алгоритмите за контролирано машинно обучение са вид алгоритъм за машинно обучение, който се учи от етикетирани данни за обучение, за да прави прогнози за нови, невиждани данни. Тези алгоритми се наричат ​​„надзиравани“, защото се обучават върху набор от данни, който включва както входни данни, така и съответните етикети, което позволява на модела да научи връзката между входните данни и изходните етикети. Има два основни типа алгоритми за контролирано машинно обучение: алгоритми за..