Публикации по теме 'decision-tree'
Поднимите дерево. Пример кода
Сегодня я хотел бы рассказать вам о том, что такое моделирование аплифта. И на небольшом примере расскажите, как работает простая модель дерева поднятия.
Бизнес-задача
Хотим выбрать оффер для пользователя (или не делать) — Next Best Offer. Например:
Какую скидку дать клиенту? Какую категорию товаров лучше предложить клиенту?
Все объекты можно разделить на 4 части, как это представлено в матрице. Допустим, мы хотим увеличить количество продаж и можем давать или не..
Джини Гейн против Джини Примесь | Дерево решений — Простое объяснение
Примесь Джини, как и прирост информации и энтропия, — это всего лишь метрика, используемая алгоритмами дерева решений для измерения качества разделения.
Давайте рассмотрим набор данных ниже,
Вопрос. Мы хотели бы построить дерево решений из набора данных. Как мы можем выбрать наилучшую функцию для разделения данных и как мы можем измерить наше разделение?
Здесь вступает в действие наша метрика «Примесь Джини». Примесь Джини измеряет случайность в наших данных. Насколько случайны..
Полное руководство по формированию и интерпретации дерева решений в машинном обучении
Дерево решений — один из самых простых алгоритмов для понимания и интерпретации. Если вы знакомы с операторами if-else в программировании, то это почти все, что вам нужно знать, чтобы понять, как работает алгоритм дерева решений. Даже если вы не знакомы с программированием, но если вы примените свой здравый смысл и обратитесь к примерам из реальной жизни, вы легко поймете алгоритм дерева решений. Например, если в автомобиле есть топливо, то он заведется, если вы попытаетесь, то вы можете..
Машинное обучение — Дерево решений — Часть I
Машинное обучение — дерево решений — часть I
Дерево решений — это популярный и интуитивно понятный алгоритм машинного обучения, используемый как для задач классификации, так и для задач регрессии. Он широко используется в различных областях благодаря своей простоте, интерпретируемости и способности обрабатывать как числовые, так и категориальные данные. Деревья решений считаются строительными блоками более продвинутых методов ансамбля, таких как случайные леса и деревья повышения..
Использование машинного обучения для обнаружения мошенничества в онлайн-платежах
Использование алгоритма классификатора дерева решений
Рост систем онлайн-платежей, безусловно, упростил платежи, но также привел к росту мошенничества с платежами. Любой, кто использует любую платежную систему, особенно при оплате кредитной картой, может стать жертвой мошенничества с онлайн-платежами. В результате компаниям, выпускающим кредитные карты, крайне важно выявлять такое мошенничество, чтобы гарантировать, что с их клиентов не будет взиматься плата за продукты или услуги,..
Типы алгоритмов повышения
Повышение — это метод ансамблевого обучения, который объединяет прогнозы нескольких слабых учеников для повышения общей точности модели. Существует несколько типов алгоритмов бустинга, наиболее популярными из которых являются:
AdaBoost (адаптивное повышение)
AdaBoost (сокращение от Adaptive Boosting) — популярный алгоритм повышения, используемый в машинном обучении для повышения точности прогностической модели. Первоначально он был предложен Йоавом Фройндом и Робертом Шапиром в 1996..
Дерево решений — Использование Python с нуля
Дерево решений — это метод машинного алгоритма с учителем.
Несмотря на простоту этого алгоритма, очень полезно изучить лежащий в основе шаблон любого заданного набора данных, чтобы либо классифицировать (дискретизировать), либо предсказывать регрессионные (непрерывные) результаты.
Есть много версий определения, доступных в Интернете. Тем не менее, самый простой способ понять дерево решений — подумать о множественном условии, периодически выполняемом с точки зрения человеческого разума,..
