Публикации по теме 'random-forest'


Как LazyPay использует машинное обучение
Всем нравится покупать и тратить деньги на дорогие вещи, но никому не нравится платить за них сразу. Все считают, что было бы слишком выгодно, если бы оплату пришлось произвести позже. Такие ситуации обычно видны в конце месяца. Как следует из названия, LazyPay — это приложение, которое предоставляет вам кредит, позволяет совершать платежи в течение 15-дневного цикла и отображает 3-дневный срок платежа. Люди буквально становятся все более и более ленивыми, и популярность этого способа..
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..
Изучение гендерного разрыва в оплате труда в США с использованием распределенных случайных лесов
Пример реального анализа данных с помощью DRF В двух предыдущих статьях я объяснял Distributional Random Forests (DRF) , случайный лес, способный оценивать условные распределения, а также расширение метода , позволяющее количественно определять неопределенность, например доверительные интервалы и т. д. Здесь Я представляю пример реального приложения для данных о заработной плате из исследования американского сообщества 2018 года, проведенного Бюро переписи населения США. В первом..
Что приносит настоящие деньги, регрессоры Random Forest или сети LSTM?
Авторы: Ясалапу Шива Саи Теджа (руководитель исследования), Брайан Онг Лимин , Чжан Лунхао, Лин Сюаньчан , Абхишек Баладжи . Что приносит настоящие деньги, регрессоры Random Forest или сети LSTM? В области машинного обучения важно иметь возможность выбрать правильную модель или алгоритм для поставленной задачи. В этой статье мы проведем подробное сравнение двух известных моделей, регрессора случайного леса и модели LSTM, в контексте прогнозирования цен на акции. При выборе модели..
Обнаружение вредоносных программ на основе аномалий — 3
Случайная классификация леса Random Forest — один из самых популярных алгоритмов машинного обучения. Он почти не требует подготовки данных и моделирования, но обычно приводит к неточным результатам. Случайные леса — это наборы деревьев решений, обеспечивающие более высокую точность прогнозов. Вот почему он называется «лесом» — это, по сути, набор деревьев решений. Основная идея состоит в том, чтобы вырастить несколько деревьев решений на основе независимых подмножеств набора..
Бэггинг и случайные леса: выявление сходств и различий в методах ансамбля
Методы ансамбля широко используются в машинном обучении для повышения производительности прогностических моделей. Двумя популярными методами ансамбля являются бэггинг и случайный лес, которые имеют некоторые сходства, но также имеют и ключевые различия. В этом сообщении блога я раскрою эти сходства и различия и рассмотрю, как каждая техника работает на практике. Независимо от того, являетесь ли вы новичком в области машинного обучения или опытным практиком, этот пост предоставит вам..
ExtraTreesClassifier
Как ExtraTreesClassifier снижает риск переобучения? ExtraTreesClassifier - это метод ансамблевого обучения, в основе которого лежат деревья решений. ExtraTreesClassifier, как и RandomForest, рандомизирует определенные решения и подмножества данных, чтобы минимизировать чрезмерное обучение на основе данных и переобучение. Давайте посмотрим на некоторые методы ансамбля, упорядоченные от высокой к низкой дисперсии, заканчивая ExtraTreesClassifier. Дерево решений (высокая дисперсия) Одно..