Свързани публикации 'classification'


Базирано на примери и моделно обучение
Това са два типа класификационни модели, базирани на начина, по който прогнозират върху невидяни данни Обучение, базирано на екземпляри Обучение, базирано на екземпляри са системите, които използват информация за данни за обучение за извършване на прогнозата. Те правят прогнозата главно въз основа на мярка за сходство. Този тип е известен още като базирано на паметта обучение или мързеливо обучение. Предимството на обучението, базирано на екземпляри, е, че то може да научи..
Курс „Машинно обучение“: Прекодиране с Python — Част 6: Обучение на невронни мрежи
Това е 6-та 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..
Класифицирайте вашия SMS като спам или не, без да пишете нито един ред код!
Въведение Обработка на естествен език. Машинно обучение. Дълбоко обучение. Трансформърс. LSTMs. Всичко това ви изглежда като жаргон или никога не сте заобиколили хилядите редове код и „трикове“, за да ги използвате? Тогава тази публикация е за вас. Полето на машинното обучение и разбирането на естествения език претърпя бързо развитие през последните няколко години, не благодарение на Deep Learning. Текущият AI показа невероятни скокове в производителността при задачи с ограничени..
Метрики за оценка при проблеми с класификацията
При проблеми с класификацията ние използваме модели за машинно обучение за класовете, които искаме да предвидим. Има много налични модели за класификация, но не всички от тях са подходящи за всеки набор от данни. Обикновено към набора от данни за класификация се прилага повече от един модел и сред тях се избира най-подходящият. Има определени показатели за оценка, за да изберете най-подходящия сред тези модели. Тези; Точност, припомняне, прецизност, F1 резултат. Най-известният от тези..
Основи на машинното обучение, част 5- KNN (K най-близки съседи)
В тази статия ще говорим за много известен алгоритъм за машинно обучение, който се използва както за класификация, така и за регресия. „Птиците от перушина се събират заедно“ Алгоритъмът KNN работи при предположението, че данните с подобни входове ще имат подобни изходи. Алгоритъмът KNN предполага, че подобни неща съществуват в непосредствена близост. С други думи, подобни неща са по-близо едно до друго. Сега въпросът е как да се измерват приликите между точките? Има много..
Квантова класификация на амплитудите
Квантова класификация на амплитудите Работи! Нещо като…. Отвореният въпрос от 784-Dimensional Quantum MNIST е, работи ли «квантовата класификация с амплитудно кодиране ?» Алгоритъмът работеше толкова бавно, сравнявайки (симулирани) 10-кубитови квантови системи, че резултатите бяха неубедителни. Нямах търпението да направя повече от 10 снимки за сравнение и, оказа се, вероятно ще са необходими милиони снимки. Първо, направих грешката на новобранеца да изтегля 8-измерен набор..
Data Science с Python — Бърз съвет
Бърз и лесен начин да видите вашите първоначални резултати от прогнози и точност По време на първите няколко първоначални итерации на обучение на модел за проблем с класификация , обичам бързо да проверя колко добре се представят прогнозите ми и по-конкретно кои са някои от „попаденията“ и „ пропуски”. Например: В тази статия бих искал да споделя бърз начин да направите това с няколко реда код на Python. Първо, нека приемем, че вече имаме панда рамка с данни (df_tst),..