Публикации по темата decision-tree

Свързани публикации 'decision-tree'

От слабо към силно: Ръководство стъпка по стъпка, как GBDT алгоритъмът създава точни прогнози

GBDT или Gradient Boosting Decision Trees е популярен алгоритъм за машинно обучение или алгоритми за усилване, или можем да кажем, че е модел на ансамбъл, който комбинира множество слаби обучаеми (дървета на решения), за да създаде силен обучаем и да прави по-точни прогнози. Нека се опитаме да разберем това чрез този пример. Представете си, че сте художник, който иска да създаде картина на пейзаж. Започвате, като скицирате очертанията на пейзажа, но картината ви не е много точна. Например,..

Невронните мрежи като дърво на решенията

Повече или по-малко очевидни транспозиции Тази публикация е вдъхновена от скорошна статия (която няма да покрием), заявяваща, че невронните мрежи са дървета на решенията. Очевидно това не е единствената статия, която засяга темата. Обръщайки твърде много внимание на определени статии - заявявайки, че невронните мрежи са дървета на решенията, композиции от сплайни, "ядрови машини" - човек може да се окаже, че вярва, че невронните мрежи са еквивалентни на всяка ML конструкция, която..

ExtraTreesClassifier

Как ExtraTreesClassifier намалява риска от пренастройване? ExtraTreesClassifier е метод за обучение в ансамбъл, базиран основно на дървета на решения. ExtraTreesClassifier, подобно на RandomForest, рандомизира определени решения и подмножества от данни, за да сведе до минимум прекомерното учене от данните и пренастройването. Нека да разгледаме някои методи на ансамбъл, подредени от висока към ниска дисперсия, завършващи в ExtraTreesClassifier. Дърво на решенията (висока вариация)..

Анализ на платформата за онлайн запознанства — OkCupid

Работил с Гарима Шарма, Азин Ваханян и Ичен Яо (UC Irvine MSBA ‘21) Защо този проект има значение Последното десетилетие показа нарастване на популярността на онлайн платформите за запознанства и сега има много различни приложения, които отговарят на различни начини на живот. Всяка платформа има свой собствен алгоритъм за създаване на съвпадения и връзки; следователно има много конкуренция между сайтовете. Въпреки че има разлики във всяка платформа, сцената за онлайн..

AdaBoost Илюстриран

AdaBoost е мощен алгоритъм за повишаване, който може да повиши производителността на всеки модел на машинно обучение. Въведена е през 1995 г. от Фройнд и Шапира [1], които печелят наградата Гьодел през 2003 г. (една от най-престижните награди в компютърните науки) за работата си. Това все още е един от най-популярните алгоритми за повишаване, използвани днес. Тази статия обяснява подробно алгоритъма на AdaBoost, демонстрира използването му върху пример за играчка и ви показва как да го..

Значението на хранилищата на функции, грешките в машинното обучение, дърветата на решенията и работните места

Нарастващото значение на магазините за функции Тази статия описва основните компоненти на съвременните магазини за функции и как сборът от тези съставки действа като важен фасилитатор за предприятията. Защо вашият проект за машинно обучение може да се провали Това са някои заплахи и предизвикателства, които могат да повлияят на резултата от вашия проект и връзката с клиента. Добавки на RStudio или как да направите живота си при програмиране по-лесен Научете..

Дървета на решенията 1/2

1/2 съдържа теоретичната част на дърветата на решенията Алгоритмите на дървото на решенията са вид алгоритъм за машинно обучение, който се използва за задачи за класификация и регресия. Те работят, като изграждат дървовиден модел на решения въз основа на характеристиките на данните и използват този модел, за да правят прогнози. Алгоритъмът на дървото на решенията работи чрез конструиране на дървовиден модел на решения въз основа на характеристиките на данните. Дървото се изгражда..