Публикации по теме 'classification'


Удобно для начинающих Введение Контролируемое машинное обучение
Алгоритмы контролируемого машинного обучения — это тип алгоритма машинного обучения, который учится на помеченных обучающих данных, чтобы делать прогнозы на основе новых, невидимых данных. Эти алгоритмы называются «контролируемыми», потому что они обучаются на наборе данных, который включает как входные данные, так и соответствующие метки, что позволяет модели изучать взаимосвязь между входными данными и выходными метками. Существует два основных типа алгоритмов машинного обучения с..
Обучение на основе экземпляров и моделей
Это два типа моделей классификации, основанные на том, как они предсказывают невидимые данные. Обучение на основе экземпляров обучение на основе экземпляров  – это системы, которые используют данные обучающих данных для прогнозирования. Они делают прогноз в основном на основе меры подобия. Этот тип также известен как обучение на основе памяти или ленивое обучение. Преимущество обучения на основе экземпляров заключается в том, что оно может лучше изучать локальные аппроксимации..
Курс «Машинное обучение»: перекодирование с помощью Python — Часть 6: обучение нейронной сети
Это шестая статья в этой серии, в которой я пытаюсь перекодировать упражнения из (старого) курса машинного обучения Эндрю Нг (где упражнения по программированию выполняются с использованием Octave). Моя цель при написании этих статей — помочь слушателям этого курса использовать Python в качестве альтернативы при выполнении упражнений. Пожалуйста, также не стесняйтесь изучить предыдущие части этой серии: Часть 1: модель линейной регрессии с одной функцией Часть 2: линейная регрессия с..
Классифицируйте ваши SMS как спам или нет, не написав ни строчки кода!
Введение Обработка естественного языка. Машинное обучение. Глубокое обучение. Трансформеры. LSTM. Все это кажется вам жаргоном или вы никогда не обходились тысячами строк кода и «хитростями» для их использования? Тогда этот пост для вас. Область машинного обучения и понимания естественного языка быстро развивалась в последние пару лет, и не только благодаря глубокому обучению. Текущий ИИ показал удивительные скачки в производительности при выполнении задач с ограниченными данными..
Метрики оценки для задач классификации
В задачах классификации мы используем модели машинного обучения для классов, которые хотим предсказать. Существует множество доступных моделей классификации, но не все они подходят для каждого набора данных. Как правило, к набору данных для классификации применяется более одной модели, и среди них выбирается наиболее подходящая. Существуют определенные метрики оценки, чтобы выбрать наиболее подходящую из этих моделей. Эти; Точность, отзыв, точность, оценка F1. Наиболее известная из..
Основы машинного обучения, часть 5 - KNN (K ближайших соседей)
В этой статье мы поговорим об очень известном алгоритме машинного обучения, который используется как для классификации, так и для регрессии. "Рыбак рыбака слетается в стаю" Алгоритм KNN работает на предположении, что данные, имеющие аналогичные входные данные, будут иметь аналогичные выходные данные. Алгоритм KNN предполагает, что подобные вещи существуют в непосредственной близости. Другими словами, подобные вещи ближе друг к другу. Теперь вопрос в том, как измерить сходство..
Квантовая классификация амплитуд
Квантовая классификация амплитуд Оно работает! Вроде, как бы, что-то вроде…. Открытый вопрос от 784-Dimensional Quantum MNIST звучит так: Работает ли «квантовая классификация с амплитудным кодированием ?» Алгоритм работал так медленно, сравнивая (симулированные) 10-кубитные квантовые системы, что результаты были неубедительными. У меня не хватило терпения сделать более 10 снимков на сравнение, а, оказывается, понадобились бы, наверное, миллионы снимков. Во-первых, я совершил..