Публикации по теме 'decision-tree'


Дерево решений в машинном обучении
Алгоритм дерева решений — это контролируемый алгоритм машинного обучения, он удовлетворяет условиям контролируемого алгоритма и использует обучающие наборы с правильными ответами для обучения, чтобы получить от него желаемые результаты. Он считается непараметрическим, так как требует любого предопределенного набора параметров перед обучением. Дерево решений — это дискриминационная модель, такая как логистическая регрессия, SVM и нейронные сети, поскольку она проводит границы в пространстве..
Забывчивые леса
Высокопроизводительные обучающие структуры данных для потоковой передачи данных в условиях дрейфа концепций Авторы: Бексапин Хаким, Сатыбалдиева Молдир B предприятия во всех отраслях переходят от пакетной обработки к потокам данных в реальном времени (также известным как потоковые данные), чтобы максимально использовать эти данные. Организации с различными приложениями могут извлечь выгоду из применения машинного обучения к потоковой передаче данных. К ним относятся случаи..
Случайные леса: объяснено и реализовано
Вступление Случайные леса - это метод обучения ансамбля , который можно использовать для выполнения задач как регрессии, так и классификации. Случайные леса обычно превосходят деревья решений, но их точность ниже, чем у деревьев с градиентным усилением. Это также полезно для методов уменьшения размерности, обработки пропущенных значений и выбросов. Деревья решений инвариантны при масштабировании и других преобразованиях значений функций, следовательно, устойчивы к включению..
Регресс в машинном обучении
Регресс в машинном обучении Модели регрессии используются для прогнозирования непрерывного значения. Прогнозирование цен на дом с учетом его характеристик, таких как размер, цена и т. Д., Является одним из распространенных примеров регрессии. Это контролируемая техника. Подробное объяснение типов машинного обучения и некоторых важных концепций дано в моей предыдущей статье. Начиная с машинного обучения Этот вопрос приходит в голову почти каждому,..
Как настроить дерево решений?
Как гиперпараметры дерева решений влияют на вашу модель и как вы выбираете, какие из них следует настраивать? Настройка гиперпараметров Настройка гиперпараметров — это поиск в пространстве гиперпараметров набора значений, которые оптимизируют архитектуру вашей модели. Это отличается от настройки параметров вашей модели, когда вы ищете пространство признаков, которое наилучшим образом минимизирует функцию стоимости. Настройка гиперпараметров также сложна в том смысле, что нет..
Что такое дерево решений?
Чтобы решить, предлагать ли кому-либо ссуду или нет, банк часто просматривает последовательный список вопросов, чтобы выяснить, безопасно ли давать ссуду физическому лицу. Эти вопросы могут начинаться с простого: какой доход у человека? Если это 30–70 тысяч долларов, они переходят к следующему вопросу. Как долго они занимают свою нынешнюю работу? Если 1–5 лет, это приводит к их следующему вопросу: производят ли они платежи по кредитной карте? Если да, то они предлагают ссуду, а если..
Модели линейной регрессии Spark ML и пример настройки производительности
В последнем посте я попытался описать часть загрузки данных и извлеченные сопоставления для преобразования категориальных функций в функции с двоичным кодированием! В этом посте основное внимание уделяется основным реализациям моделей регрессии Spark ML и их базовому подходу к настройке производительности. Пример реализации можно найти по адресу https://github.com/Jayasagar/sparkml-regression-models-movie-revenue-predictions . Основные функции потерь # Aboslute Error def..