Публикации по теме 'decision-tree'


Когда использовать деревья решений вместо случайных лесов: практическое руководство
Деревья решений и случайные леса — два популярных алгоритма машинного обучения, которые можно использовать для задач классификации и регрессии. Деревья решений — это простые, но мощные алгоритмы, которые можно использовать как для задач классификации, так и для задач регрессии. С другой стороны, случайные леса представляют собой более сложный алгоритм, использующий несколько деревьев решений для прогнозирования. При выборе между использованием деревьев решений или случайных лесов..
«Титаник» — «Прогнозирование выживания пассажиров с помощью машинного обучения»
После получения Сертификата Google Data Analytics в этом месяце я хотел продолжить и окунуться в несложное машинное обучение. К счастью, работая над своим сертификатом Google, я наткнулся на WeCloudData . WeCloudData, базирующаяся в Торонто, предлагает несколько буткемпов и интересных бесплатных курсов по Meetup . Приведенный ниже проект я завершил после прохождения их курса Introduction to Machine Learning with Sklearn . Моя модель достигла точности только 76,2%, но, учитывая, что..
Что такое дерево решений?
Дерево решений — это диаграмма недостатков, которая представляет собой классификацию наборов данных. Он используется для поддержки принятия решений в деловой ситуации. Каждый внутренний узел представляет собой «тест» для атрибутов, каждая ветвь представляет собой результат теста, а каждый лист представляет собой метку класса. Все это обозначает весь процесс классификации наборов данных. Алгоритм дерева решений называется CART (деревья классификации и регрессии). Структура дерева решений..
Балансировка несбалансированных наборов данных в ML: как сделать это правильно?
Вы устали строить модели машинного обучения только для того, чтобы они с треском провалились на несбалансированных наборах данных? Вы обнаруживаете, что постоянно боретесь с классом большинства, пытаетесь дать классу меньшинства справедливую встряску? Вы испробовали все возможные способы повысить точность своей лучшей разработанной модели машинного обучения и разочаровались в результатах? Ну, не бойся! Пришло время сразиться с несбалансированными наборами данных и выйти победителем. В..
Визуализация дерева решений и как это работает?
Использование DTreeViz для создания нескольких визуализаций для понимания дерева решений Дерево решений — это модель машинного обучения, которую можно использовать как для классификации, так и для регрессии. Это древовидная структура, содержащая узел решения и конечный узел. По сути, это графическое представление для анализа всех возможных результатов/решений данной проблемы. Дерево решений работает…
Анализ решений и деревья в Python.
Использование деревьев решений в Python для получения информации о решении A переехать в Лас-Вегас Совсем недавно владелец бейсбольной команды Oakland Athletics Джон Фишер объявил, что команда приобрела около 50 акров земли в Лас-Вегасе, штат Невада. [1] Это ставит под угрозу будущее последней оставшейся профессиональной спортивной команды Окленда. За последние 5 лет в Окленде «Голден Стэйт Уорриорз» (НБА) и «Лас-Вегас Рейдерс» (НФЛ) отправились на более новые, более блестящие..
Сравнение алгоритмов машинного обучения
В этом посте я пытаюсь сравнить производительность различных классификаторов машинного обучения, предоставляемых библиотекой Scikit Learn. Я пытаюсь сравнить производительность K-ближайших соседей, многослойного персептрона, дерева решений и машин опорных векторов при классификации набора данных о диабете, который я скачал с Kaggle. Данные Набор данных, который я использую здесь, — это набор данных о диабете индейцев пима от Kaggle . Давайте сначала посмотрим на набор данных...