Как да не бъдете подведени от случайността, когато избирате най-добрия модел Свикнали сме да виждаме предизвикателства в науката за данните в Kaggle, където вариация от 0,1% в ROC резултата може да направи разликата между спечелването на 100 000 $ или нищо. Вземете за пример предизвикателството Data Science Bowl 2017 . Наградите бяха 500 000 $ за 1-во място, 200 000 за 2-ро място, 100 000 за 3-то място и т.н. Избраният показател за оценка беше логаритмична загуба. Това беше..

Серия: Тайвански набор от данни за кредитно неизпълнение Тази статия е част от поредица, в която изследваме, обработваме предварително и изпълняваме няколко метода за машинно обучение върху набора от данни за кредитно неизпълнение на Тайван . Наборът от данни може да бъде намерен тук: набор от данни . Два важни въпроса обикновено възникват, когато се опитваме да разберем как най-добре да моделираме набор от данни и да се надяваме да правим прогнози въз основа на него: · Всички..

Въведение Машинното обучение е мощен инструмент, който може да се използва за решаване на широк кръг от проблеми. Въпреки това, с толкова много различни модели, от които да избирате, може да бъде предизвикателство да разберете кой е подходящ за вашия проект. В това ръководство ще ви преведем през процес стъпка по стъпка, за да ви помогнем да изберете най-добрия модел на машинно обучение за вашите нужди. Стъпка 1: Определете проблема, който искате да решите Първата стъпка е да..