Публикации по теме 'classification'
Генеративные и дискриминационные классификаторы в машинном обучении
Что их отличает и как они выполняют задачу классификации
Классификация - распространенная задача в машинном обучении. Прогнозирование оттока, обнаружение спама, классификация изображений - вот лишь некоторые из распространенных примеров.
Существует множество различных алгоритмов, которые могут выполнять задачи классификации. Эти алгоритмы можно разделить на две большие категории: генеративные и дискриминационные.
В этом посте я попытаюсь объяснить разницу между генеративным и..
Матрицы путаницы для оценки производительности 4-ключевого классификатора с решенной проблемой.
Матрица путаницы — это структура, используемая для оценки производительности прогностической модели на основе количества правильно и неправильно предсказанных моделью тестовых данных.
Эта матрица путаницы обеспечивает легкое для понимания отображение производительности модели классификации, не только предоставляя, какие классы прогнозируются правильно и неправильно, но и тип возникающих ошибок.
Матрица путаницы используется для описания прогностической модели/классификатора на наборе..
Проект машинного обучения 13 — Использование машины опорных векторов ядра
В моем последнем посте мы рассмотрели алгоритм классификации машины опорных векторов (SVM) и то, как он работает. Сегодня мы поговорим о машине опорных векторов ядра.
#100DaysOfMLCode #100ProjectsInML
SVM хорошо работает в случаях, когда данные линейно разделимы. Как и на диаграмме ниже, нам легко найти опорные векторы и разделить данные, как мы это сделали в Проекте 12 .
Но что, если наш набор данных содержит точки, как показано ниже. Мы не можем провести линию для..
Прогнозирование акций с помощью XGBoost: подход технических индикаторов
Прогнозирование фондового рынка всегда привлекало большое внимание как из-за возможного воздействия, так и из-за огромных трудностей, с которыми оно связано. С появлением машинного обучения было предложено несколько подходов к прогнозированию цен на акции.
В этой статье мы собираемся подойти к прогнозированию акций как к проблеме классификации, где мы попытаемся предсказать, пойдет ли цена на следующий день вверх или вниз, используя исторические данные о запасах. Мы будем использовать..
Разгадывая тайну моделирования
Выбор классификационной модели с помощью scikit-learn
Вступление
Что такое выбор модели и почему вам это нужно? Допустим, начальник поручил вам создать модель, которая классифицирует цветы на два типа в зависимости от их характеристик. Вы вводите данные в базовую логистическую регрессию и получаете модель, которая правильно классифицирует цветы в 70% случаев. Довольно хорошо, правда? По крайней мере, это лучше, чем гадать? Неправильный. Представьте, что вместо цветов вы..
Разница между задачами машинного обучения: классификация, регрессия, кластеризация
Описание каждого типа задач и значение этих терминов.
Изучая машинное обучение, вы, вероятно, так или иначе сталкивались с этими словарными словами (особенно с классификацией, популярным типом задач, представленным на начальных этапах учебного плана по машинному обучению). Позже, возможно, появились и эти другие термины. Ниже приводится описание различий между классификацией, регрессией и кластеризацией.
Классификация Здесь модели машинного обучения предсказывают категорию/класс на..
Оценка производительности классификационной модели с использованием кривых AUC-ROC и CAP
Оценка производительности классификационной модели с использованием кривых AUC-ROC и CAP
Измерение производительности - важная задача для любого проекта машинного обучения, очень важно проверить, насколько хороша или плоха наша модель. Когда дело касается регрессионных моделей, мы используем R в квадрате (R²) и среднеквадратичную ошибку (RMSE). В случае моделей классификации мы можем полагаться на кривую AUC-ROC или кривую CAP, когда нам нужно оценить или проиллюстрировать..
