Статьи по теме supervised-learning

Публикации по теме 'supervised-learning'

Метрики оценки контролируемого обучения

В реальном машинном обучении мы столкнемся с множеством различных метрик оценки, иногда нам нужно создать свои собственные метрики оценки, основанные на проблеме, но в этой записной книжке мы увидим некоторые из наиболее часто используемых метрик оценки. В классификации чаще всего используются следующие показатели: Точность Точность Отзывать F1-счет Площадь под кривой или (площадь под кривой ROC(рабочая характеристика приемника)) AUC Потеря журнала Вышеупомянутые..

Основы машинного обучения

Машинное обучение — это научная область исследований, которая занимается разработкой различных алгоритмов и методов, позволяющих компьютерам обучаться подобно людям[1]. Итак, как же протекает процесс обучения людей, которым компьютеры пытаются подражать? Несомненно, чтобы правильно понять, как учатся компьютеры, необходимо понять, как учатся люди. Для этого давайте вместе рассмотрим пример. Предположим, у нас есть таблица, подобная приведенной ниже, показывающая влияние объема двигателей..

Глава 2: SVM (машина опорных векторов) - теория

Добро пожаловать на вторую ступеньку контролируемого машинного обучения. Опять же, эта глава разделена на две части. Часть 1 (эта) обсуждает теорию, рабочие параметры и параметры настройки. Во второй части ( здесь ) мы беремся за небольшое упражнение по кодированию. Если вы не читали Наивного Байеса , я предлагаю вам прочитать его полностью здесь . 0. Введение Машина опорных векторов (SVM) - это дискриминантный классификатор, формально определяемый разделяющей..

Типы обучения в нейронных сетях

Когда система нейронной сети обучается, она создает внутреннюю модель выборочных данных. Эти модели представлены в терминах векторов структурных весов. Алгоритмы обучения определяют зависящую от архитектуры процедуру кодирования информации в веса для создания внутренних моделей. Это обучение происходит путем непрерывного изменения силы связи (синаптических весов). Система обучается тремя способами. Контролируемое обучение : Мы знаем, что для любой сети с набором дискретных..

Непараметрические функции и оценки на основе точек

контролируемое обучение часть 3 Непараметрические функции Они имеют более гибкое представление, которое не фиксируется заранее заданным количеством параметров. Количество параметров в непараметрических моделях может варьироваться в зависимости от размера и сложности обучающих данных. Эти модели имеют возможность изучать сложные отношения из данных, не навязывая строгих предположений о функциональной форме. Они учатся непосредственно на обучающих данных без явного представления..

Машинное обучение с учителем: руководство для начинающих

Предисловие Машинное обучение с учителем — одна из самых популярных и широко используемых ветвей искусственного интеллекта. Он включает в себя использование алгоритмов для анализа и понимания данных, а также использование этого понимания для прогнозирования новых данных. В этом сообщении блога мы познакомим новичков с содержанием контролируемого машинного обучения. Мы расскажем, что это такое, как это работает и почему это важно. Наша цель — дать читателям четкое представление об..

Наивный байесовский подход для науки о данных — с Python

Чтобы продемонстрировать осуществимость Наивного Байеса, мы приняли набор данных для применения метода классификации. Мы принимаем набор данных по кредитам, представленный в https://github.com/gedeck/practical-statistics-for-data-scientists/tree/master/data . Имя файла loan_data.csv.gz . Мы хотели бы предсказать, будет ли человек по умолчанию или окупится. Мы ограничиваемся только 3 из 19 функций, так как некоторые из функций имеют числовой тип. Большинство частей кода приведены в..