Публикации по теме 'logistic-regression'
Логистическая регрессия в Python
Логистическая регрессия — это довольно распространенный алгоритм машинного обучения, который используется для прогнозирования категориальных результатов. В этом сообщении блога я покажу вам процесс создания модели логистической регрессии в Python с использованием Jupyter Notebooks.
Мы будем использовать набор данных «Титаник» от kaggle, который представляет собой набор точек данных, включая возраст, пол, стоимость билета и т. д., всех пассажиров на борту «Титаника». Набор данных имеет 891..
Краткий обзор логистической регрессии
Логистическая регрессия - один из широко используемых алгоритмов классификации. Более широко известно, что он используется для двоичной классификации; однако вы также можете использовать его для нескольких классов.
Давайте сделаем шаг назад и сначала подумаем о линейной регрессии. Линейная регрессия использует ряд независимых переменных для прогнозирования зависимой переменной. Эта зависимая переменная будет представлять собой непрерывный диапазон чисел и будет выглядеть как простая..
Как работать с несбалансированным набором данных в двоичной классификации - Часть 2
Как работать с несбалансированным набором данных в двоичной классификации - Часть 2
Реализация различных точек разделения с помощью Python
В Части 1 этой серии статей я рассказывал о проклятии классового дисбаланса в задачах бинарной классификации и о некоторых средствах его устранения. В частности, я сосредоточился на том, как напрямую вмешиваться в набор данных с помощью различных методов выборки, чтобы сделать его более сбалансированным.
В этой статье я собираюсь остановиться..
Логистическая регрессия и ее математическая реализация
Каждый алгоритм машинного обучения лучше всего работает при заданном наборе условий. Чтобы обеспечить хорошую производительность, мы должны знать, какой алгоритм использовать в зависимости от решаемой проблемы. Вы не можете использовать один конкретный алгоритм для всех задач. Например: алгоритм линейной регрессии не может применяться к категориальной зависимой переменной. Здесь на помощь приходит логистическая регрессия.
Вам должно быть интересно, что такое логистическая регрессия?..
noBS Learning: анализ основных компонентов
В предыдущей статье мы узнали о предсказании чисел по изображению 28x28. Мы использовали набор данных mnist, который содержал функции в качестве интенсивности этих 28x28 (784) пикселей и метки в качестве фактического числа, которое они представляют.
У меня есть вопрос. а если изображение 280х280 пикселей? Как вы думаете, наша модель научилась бы так же быстро, как раньше? Или если изображение было 5X5 пикселей? будет ли наша модель так же хороша в прогнозировании?
Давайте..
Глубокое погружение в логистическую регрессию и предварительную обработку данных
СОДЕРЖАНИЕ
В этом посте мы рассмотрим:
1. Проблема, решаемая с помощью логистической регрессии
2. Функции активации
3. Функция затрат для логистической регрессии
4. Градиентный спуск для логистической регрессии.
5. Необходимость предварительной обработки данных
6. Методы предварительной обработки данных
7. Решение набора данных Titanic в Kaggle с помощью логистической регрессии
В предыдущем посте мы подробно рассмотрели алгоритм линейной регрессии, а также решили проблему..
Логистическая регрессия — Жирафы и автомобили
Некоторое время назад я начал курс Coursera по прикладному машинному обучению. Чтобы помочь другим пройти курс и помочь себе лучше понять темы, я решил сделать короткие уроки в соответствии с учебным планом. Мои последние две статьи касались классификации KNN и линейной (полиномиальной) регрессии. Если интересно, не стесняйтесь взглянуть.
На пути к машинному обучению — метод K ближайших соседей (KNN) Простая классификация классов автомобилей методом K..
