Публикации по теме 'classification'
Машинное обучение 101: необходимо знать модели классификации
Лучший алгоритм классификации для конкретной задачи зависит от нескольких факторов, таких как размер и тип данных, количество классов и желаемая точность. Некоторые из наиболее часто используемых алгоритмов классификации включают в себя:
Логистическая регрессия Деревья решений Случайные леса Машины опорных векторов (SVM) K-ближайшие соседи (KNN) Наивный Байес Нейронные сети
Каждый из этих алгоритмов имеет свои сильные и слабые стороны, и какой из них лучше всего подходит для..
Метрики для оценки моделей классификации
"Машинное обучение"
Метрики для оценки моделей классификации
Вот 8 показателей, от точности до f-оценок, чтобы изучить сильные и слабые стороны вашего классификатора, а также способы их реализации в Python.
Вступление
После многих долгих дней и бессонных ночей вы, наконец, построили то, что, по вашему мнению, является лучшей классификационной моделью, и готовы представить ее своему клиенту. Создавая презентацию, вы пытаетесь придумать, как лучше всего показать, что ваша модель..
Обучение наивной байесовской модели идентификации автора электронного письма или документа
В этом примере мы используем набор электронных писем или документов, написанных двумя разными людьми. Цель состоит в том, чтобы обучить наивную байесовскую модель, чтобы она могла предсказать, кто написал документ / электронное письмо, учитывая используемые в нем слова.
Репозиторий Github с файлами, использованными в этом примере, находится здесь . Файл nb_email_author.py содержит сценарий, который загружает данные, обучает модель и находит оценку прогноза для обучающих и тестовых..
Площадь под кривой (AUC): надежный показатель эффективности моделей классификации
Ключевые слова: машинное обучение, глубокое обучение, специалист по данным, классификация, большие данные, искусственный интеллект.
Введение
Модели классификации являются важными инструментами, используемыми для прогнозирования данных по разным категориям (классам). Они широко используются в различных областях, от медицинской диагностики до фильтрации спама и финансового анализа. Точная оценка производительности модели классификации имеет решающее значение для выбора алгоритма и..
Машинное обучение и алгоритмы глубокого обучения
Вы можете читать мои блоги в следующем порядке, если хотите узнать о машинном обучении/глубоком обучении.
Алгоритмы классификации:
"Логистическая регрессия" Классификатор КНН Наивный байесовский алгоритм, часть I Наивный байесовский алгоритм, часть II Машины опорных векторов Деревья решений Техника сборки- бэггинг Техники ансамбля – бустинг
Алгоритмы регрессии:
"Линейная регрессия"
Глубокое обучение
"Введение" Нейронная сеть против новорожденного..
Классификация классификаций
Введение в различные типы задач классификации
Классификация - это популярный подход контролируемого машинного обучения, при котором набор данных разбивается на группы в зависимости от доступных функций. Он имеет широкий спектр применения, например ., Распознавание изображений, распознавание речи, медицинскую диагностику, классификацию документов, обнаружение спама и многие другие. Однако список постоянно увеличивается. Конкретный «тип» задачи классификации определяется целевой..
Сравнительное исследование прогнозирования вакцинации с использованием алгоритмов машинного обучения
Эта статья была написана Алпарсланом Месри и Хейлом Кизилдуманом .
В конце 2009 г. и начале 2010 г. опросы по гриппу H1N1 проводились по телефону в США. В этом опросе, помимо социальных, экономических и демографических вопросов, респондентов спрашивали, есть ли у них вакцина против H1N1 или против сезонного гриппа. С помощью этой информации предполагается предсказать, есть ли у этих людей вакцины против H1N1 и сезонного гриппа. Это исследование является предварительной подготовкой..