Свързани публикации 'supervised-learning'
Какво е контролирано обучение?
Обучението под наблюдение е като да научите вече познат път и да използвате знанията за нови пътища. Ако имате данни с правилни резултати, те могат да се използват за обучение на модел, а моделът може да се използва за прогнозиране на отговори.
Има две основни части от контролираното обучение.
Класификация
Това е като да поставите плодове от един и същи вид в една и съща опаковка. Разделя данните на части. Броят на частите трябва да бъде ограничен. Броят на частите не трябва..
Какво е изкуствен интелект?
Изчерпателен преглед на AI приложенията
„Всичко, което би могло да доведе до по-умен от човешкия интелект – под формата на изкуствен интелект, интерфейси мозък-компютър или базирано на невронауката подобрение на човешкия интелект – печели неоспоримо, като прави най-много за промяна на света. Нищо друго не е дори в същата лига.
— Елиезер Юдковски
Изкуственият интелект ( AI ) се превърна в неразделна част от нашия свят днес, като ни помага да трансформираме и..
Алгоритъм на опорна векторна машина (SVM).
Какво е SVM?
Support Vector Machine съкратено като SVM. SVM е алгоритъм за контролирано обучение, така че изисква да бъдат обучени етикетирани данни. SVM се използва за класификация, както и за проблеми с регресия. Но основно се използва за проблеми с класификацията в машинното обучение. В алгоритъма SVM ние начертаваме всяко наблюдение като точка в n-измерно пространство (където n е броят характеристики в набора от данни).
Как работи SVM?
SVM сортира две групи данни,..
Машинно обучение
Аз съм човек, който е удивен от напредъка, постигнат от хората от трансформиране на инструменти през трансформиране на енергия към трансформиране на информация. „Живея в ерата на информацията.“ за мен се промени на „Живея в епохата на претоварване с информация“. Преминаваме от управление на знанието към управление на данни. Обработката на данни и извличането на информация сега е мания и дължим много на машинното обучение.
„Разгледайте пътуването, извършено от машинното обучение от 1950..
K най-близкия съсед
Алгоритъмът за k-най-близки съседи, известен също като KNN или k-NN, е непараметричен класификатор с контролирано обучение, който използва близостта, за да прави класификации или прогнози относно групирането на отделна точка от данни. Този модел може да се използва както за класификация, така и за регресия. Класификация: Етикетът на клас се присвоява въз основа на мнозинство от гласовете. класификацията се използва за дискретни стойности. Регресия: средната стойност на k..
Изграждане на KNN алгоритъм от нулата с Pandas и Numpy.
Въпреки че има много налични библиотеки на високо ниво, които предоставят готови за използване реализации на алгоритми за машинно обучение, доброто разбиране на основните принципи ни позволява да вземаме информирани решения и да се справяме ефективно с предизвикателствата в реалния свят. Това ни позволява да оптимизираме и прецизираме тези алгоритми, за да отговарят на конкретни случаи на употреба и да интерпретираме по-добре техните резултати. В тази публикация в блога ще навлезем в..
KNN (K най-близки съседи)
K Теория за най-близките съседи
Алгоритъмът на k-най-близкия съсед (KNN) е непараметричен алгоритъм за контролирано обучение, който е лесен за конструиране. Въпреки че може да се използва за решаване както на проблеми с класификацията , така и с регресията , най-често се използва в бизнеса за решаване на трудности с класификацията.
В този алгоритъм ще търсим подобни наблюдения, които са най-близо до очакваните точки от данни. Когато моделът прогнозира нова точка от данни, той търси в..
