Публикации по теме 'scikit-learn'
Анализ основных компонентов — PCA с помощью Scikit-Learn
Уменьшите размер ваших данных без потери сигнала от них
Анализ главных компонентов
Анализ главных компонентов (PCA) — это метод уменьшения размерности таких наборов данных, повышения интерпретируемости, но в то же время минимизации потери информации. Это достигается путем создания новых некоррелированных переменных, которые последовательно максимизируют дисперсию.
В общем, PCA это:
Уменьшение линейной размерности с использованием разложения данных по сингулярным значениям для..
Вы все еще используете поиск по сетке для оптимизации гиперпараметров?
Давайте обсудим идеи, лежащие в основе интеллектуального поиска гиперпараметров для ваших моделей машинного обучения.
Когда мы обучаем модель машинного обучения, у нас есть выбор: какую модель использовать, как подготовить набор данных, как обрабатывать выбросы и т. Д.
Один из вариантов - гиперпараметры; это параметры, которые контролируют процесс обучения, но не могут быть получены с помощью самого обучения. Вот несколько примеров:
Скорость обучения, эпохи, количество слоев /..
Несбалансированная классификация медицинского диагноза
В этой статье объясняется, как можно уменьшить предвзятость нейронной сети, обученной медицинской диагностике, на наборе данных с низкой распространенностью заболевания.
Обзор
Несбалансированная классификация - обычная проблема в исследованиях медицинской диагностики. Практически при любом заболевании в медицинской лаборатории больше пациентов не болеют, а не болеют. В обучающей выборке наличие естественного преобладания пациентов с интересующим заболеванием приведет к смещению любой..
Дизайн и выбор модели с помощью Scikit-learn
Настройка, обучение и оценка моделей с помощью Scikit-learn
Цель. Цель этой статьи - построить конвейер от начала до конца, чтобы получить доступ к прогнозной производительности 18 моделей машинного обучения на синтетическом наборе данных.
Материалы и методы: Используя Scikit-learn, мы генерируем набор данных, аналогичный Madelon, для задачи классификации. Основные компоненты нашего рабочего процесса можно резюмировать следующим образом: (1) Создан набор для обучения и..
Решаете ли вы проблемы кластеризации машинного обучения с помощью K-средних?
Однострочное построение кривой изгиба, кривой силуэта, межкластерных расстояний и изучение советов Scikit-Learn, которые могут улучшить вашу модель.
K-Means - это наиболее часто используемый алгоритм кластеризации в задачах неконтролируемого машинного обучения, и он действительно полезен для поиска похожих точек данных и определения структуры данных. В этой статье я предполагаю, что вы имеете базовое представление о K-средних и больше сосредоточитесь на том, как вы можете:
Найдите..
Краткое руководство по случайному поиску (или поиску по сетке) с помощью конвейера
ТАБЛИЦА №1
Краткое руководство по случайному поиску (или поиску по сетке) с помощью конвейера
Пять шагов с использованием scikit-learn
from sklearn.decomposition import TruncatedSVD
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics import classification_report
from sklearn.model_selection import train_test_split, RandomizedSearchCV # or GridSearchCV
from sklearn.pipeline import Pipeline
1) Подготовьте наборы данных.
train_df, test_df =..
Книга Salamander ML получает обновление!
Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и методы создания интеллектуальных систем
Эта книга поможет вам в работе.
Так написал Орельен Жерон, автор этой хорошо принятой книги, теперь уже во втором издании. Это, вероятно, преуменьшение. Вы не только выполняете поставленные задачи, но и хорошо разбираетесь во всех тонкостях машинного обучения (МО). Когда в начале 2017 года вышло первое издание , оно сразу стало моим фаворитом...
