Публикации по теме 'classification'


Нелинейные модели: векторы признаков высокого порядка и функции ядра.
В этой статье я предполагаю, что вы знакомы с основами алгоритма персептрона. Линейные модели часто хорошо служат для моделирования данных, но иногда этого недостаточно. Чтобы быть более конкретным, я представлю тему на примере: Предположим, что мы имеем дело с простым вектором признаков, который живет на реальной линии. другими словами: Для простоты рассмотрим 3 точки данных, описанные ниже: Если вы попытаетесь реализовать линейный классификатор в этих векторах признаков,..
Классификатор собачьих пород с использованием сверточных нейронных сетей (CNN)
Обзор: Классификация объектов реального мира часто проводится для того, чтобы лучше понять их как часть группы. Очень распространенная классификация, которую мы делаем в нашей повседневной жизни, — это когда мы смотрим на человека и сразу же классифицируем его либо на мужчину, либо на женщину. В этом приложении рассматривается проблема классификации , но речь идет о другой проблеме классификации собаки по ее возможной породе на основе изображения. В этой статье мы рассмотрим..
Оценка классификационных моделей
Пошаговое руководство с использованием Sci-Kit Learn на Python Авторы: Ишаан Дей, Эван Хейтман и Ягеринн Т. Верано Введение в классификацию Врач хочет знать, есть ли у его пациента заболевание. Компания, выпускающая кредитные карты, заинтересована в определении того, является ли определенная транзакция мошенничеством. Кандидат в аспирантуру интересуется, вероятно ли, что она будет принята в свою программу. Многие прикладные модели заинтересованы в предсказании исхода двоичного..
Пример классификации с несколькими метками с MultiOutputClassifier и XGBoost в Python
Scikit-learn API предоставляет класс MulitOutputClassifier, который помогает классифицировать данные с несколькими выходами. В этом руководстве мы узнаем, как классифицировать данные с несколькими выходами (с несколькими метками) с помощью этого метода в Python. Данные с несколькими выходами содержат более одной метки y для заданных входных данных X. Учебник охватывает: Подготовка данных Определение модели Прогнозирование и проверка точности Листинг исходного кода Начнем с..
Понимание кривой подъемной силы
Краткое введение в использование кривой подъема в маркетинге и машинном обучении Может быть, ваш собеседник спросил вас о кривой подъема, и у вас чуть не случился сердечный приступ, или, может быть, вам интересно узнать о кривой с броским названием, о котором вы слышали? Думаю, возможностей может быть гораздо больше, но не волнуйтесь, я думаю, вы нашли нужную статью! Введение В этой статье вы не найдете ни кода, ни сложных математических формул. Я попытаюсь объяснить вам, как..
Автоматизированный EDA для классификации
Исследовательский анализ данных стал простым в нескольких строках кода! Исследовательский анализ данных относится к критически важному процессу выполнения начальных исследований данных с целью выявления закономерностей, выявления аномалий, проверки гипотез и проверки предположений с помощью сводной статистики и графических представлений. Однако EDA обычно требует много времени и усилий в рабочем процессе машинного обучения, и, как мы все знаем, время - деньги! Как новичок в области..
Как подойти к проблеме классификации текста (часть 2/3)
Это вторая часть задачи классификации текста ( Первая ). В этом посте мы собираемся создать модель для задачи классификации с помощью: scikit-learn: SVC, MultinomialNB, LogisticRegression. Tensorflow: LSTM, CNN. Сначала мы импортируем необходимые классы. Так же, как и в предыдущем посте, будем читать текст и очищать его (расширенно объяснено в Первом посте ) ['politics', 'exploration', 'intelligence', 'weapons', 'headhunters', 'transportation', 'logistics']..