В этой статье демонстрируется прогнозирование опасных сейсмических ударов с использованием различных контролируемых классификаторов, настройка гиперпараметров модели, парадокс точности и важность понимания «бизнес-проблемы» для оценки производительности. Введение В моей предыдущей статье о наборе данных сейсмических ударов, полученном из архива данных UCI, я применил базовые методы анализа данных для проектирования объектов и стратегий разделения тестовых поездов для..

Задача - создать классификатор для классификации наборов данных о цветках ириса. В этом посте мы возьмем классификатор k-ближайших соседей из sklearn. Давай начнем… Первый шаг в любом проекте машинного обучения - получить набор данных. Здесь мы попытаемся классифицировать цветок ириса. Итак, нам нужен набор данных о цветках ириса. Пакет scikit-learn.dataset содержит несколько очень полезных наборов данных для задач классификации. Здесь мы загрузим этот набор данных из пакета..

Цель состоит в том, чтобы предсказать, является ли данная банкнота подлинной, учитывая ряд измерений, сделанных на основе фотографии. Реализованные алгоритмы: Машина опорных векторов K ближайший сосед Наивный байесовский метод Гаусса Обучение персептрона Библиотеки и модуль машинного обучения: Библиотека обучения Scikit CSV-модуль случайный модуль Если вы не знакомы с библиотекой машинного обучения Pandas, NumPy и т. д., эти модули будут вам..