Публикации по теме 'logistic-regression'
Эпизод 2. Реализация логистической регрессии с нуля.
В этом посте мы продолжим с того места, где остановились в истории 1. В истории 1 мы узнали о различных интерпретациях логистической регрессии. В этой истории мы будем реализовывать LR с нуля. Если вы не видели рассказ 1, вот ссылка на него.
Моя цель в этой серии — создать полностью функционирующую нейронную сеть с нуля, поэтому реализация выполняется таким образом, чтобы ее было легче распространить на нейронные сети.
Создание данных
Здесь мы собираемся генерировать данные..
Искусственный интеллект и машинное обучение для торговли иностранной валютой (Fx). Часть 3. Подъем…
Эта серия статей посвящена пониманию AI/ML и тому, как это связано с торговлей валютой. Большинство статей сосредоточены на прогнозировании цены и почти бесполезны, когда речь идет о поиске прибыльных торговых стратегий, поэтому мы сосредоточимся на этом здесь.
Обо мне
Я торгую на Fx уже 20 лет, используя как традиционный статистический анализ, так и анализ графиков, а также AI/ML последние 5 лет или около того. Имея степень бакалавра технических наук, степень магистра и несколько..
Построение прогностической модели хронических заболеваний сердца с использованием логистической регрессии
«Некоторые вещи настолько неожиданны, что никто не готов к ним. « — Лео Ростен в Рим не сгорел за один день
По данным Всемирной организации здравоохранения, сердечно-сосудистые заболевания (ССЗ) являются основной причиной смерти во всем мире, унося примерно 17,9 миллиона жизней ежегодно. ССЗ представляют собой группу заболеваний сердца и сосудов и включают ишемическую болезнь сердца, цереброваскулярные заболевания, ревматические заболевания сердца и другие состояния. Более четырех..
Логистическая регрессия в базовом Python
Вот базовая пошаговая иллюстрация того, как алгоритм логической регрессии работает с помощью кодирования Python.
1. Набор данных
Вот наш фиктивный набор данных только для объяснения принципов.
#Dataset
cibil_score = [-1,760,559,320,820,440,6,690,730,800,810,380]
target = [0,1,1,0,1,0,0,1,1,1,1,0]
assert len(cibil_score) == len(target)
print('Symetery between input and taret')
dic = {'CIBIL_SCORE': cibil_score,'default':target}
#df
df = pd.DataFrame(dic)
print('df shape..
Обнаружение мошенничества с кредитными картами
Ваша карта когда-нибудь была отклонена из-за подозрительной активности? Это попытка ИИ избежать убытков в размере 117 млн долларов США , вызванных мошенничеством, как в 2020 году. Такие ситуации смущают клиентов, и их следует избегать, но ослабление критериев ИИ позволит увеличить число случаев мошенничества. Вот почему важно правильно обучать и тестировать машину с правильным классификатором и данными. И это то, что мы постараемся сделать где.
Получение данных
Все данные доступны..
Полное руководство по метрикам производительности модели классификации в машинном обучении
Показатели производительности являются неотъемлемой частью всех конвейеров машинного обучения. В иерархии оценка модели происходит после предварительной обработки, разработки функций, выбора модели и, конечно же, реализации модели и получения некоторых результатов от модели. Все модели машинного обучения, начиная с простейшей линейной регрессии и заканчивая сложными алгоритмами глубокого обучения, такими как BERT, нуждаются в метрике для оценки производительности. Он дает количественную..
Классификация с использованием логистической регрессии
В моей последней статье я объяснил линейную регрессию, которая используется для прогнозирования непрерывной стоимости, такой как цена акции или дома. Значение может быть любым действительным числом. Но есть еще одна важная проблема в машинном обучении - проблема классификации. В этой статье будет рассказано, как работает логистическая регрессия и как ее можно использовать для решения проблемы классификации. Если вы не читали мою последнюю статью (..