В этой статье мы постараемся разобраться, что такое кросс-валидация, зачем она нужна и принцип работы. Наконец, мы сделаем простое приложение, используя библиотеку Sklearn. 1. Что такое перекрестная проверка? Перекрестная проверка - это метод статистической повторной выборки, используемый для оценки эффективности модели машинного обучения на данных, которые она не видит, как можно более объективно и точно. Второе использование перекрестной проверки - оптимизация гиперпараметра в..

Изучая часть Урока 3, посвященную введению Udacity в машинное обучение, я узнал о машине опорных векторов, или SVM, оценщика. В моем последнем посте я обсуждал использование SVM-модели SVM для линейной классификации подлинности счетов. Этот пост можно найти здесь: - https://medium.com/mlearning-ai/how-to-use-the-support-vector-machine-svm-as-a-classifier-e3b597d1b125 В этом посте я пытаюсь обсудить, как использовать SVC для нелинейных наборов данных. Поскольку трудно найти..

Недавно я завершил проект, используя набор данных из Накачать: добыча грунтовых вод от DRIVENDATA . Я собираюсь пройтись по классификатору случайного леса, одному из тестированных мной классификаторов, который, как я обнаружил, показал наилучшие результаты после настройки его гиперпараметров. Я не буду здесь вдаваться в подробности, но перед тем, как данные будут готовы для модели, необходимо выполнить значительный объем очистки данных и выбора функций. Существует много отсутствующих..

Вспомните времена, когда выполнение вашего алгоритма занимало несколько часов! Что делать, если вам нужно запустить его 10 (100?) Раз! В этом случае, возможно, стоит подумать о масштабировании, и в Google Cloud Platform есть множество вариантов, позволяющих запускать ваши любимые фреймворки / алгоритмы машинного обучения. В типичном конвейере машинного обучения есть (как минимум) три ключевых этапа. Вы обучаете одну модель для оптимизации вашей целевой функции (своего рода функции..

Линейная регрессия - отличный вход в удивительный мир машинного обучения! и самый простой алгоритм для изучения. Я сосредоточусь больше на коде, чем на теории, потому что код интереснее :) но просто для того, чтобы активировать покоящиеся нейроны линейной регрессии в вашем мозгу. Линейная регрессия: это метод поиска закономерностей с «наилучшей линией » (следовательно, «линейной» понимаете?) В ваших данных. Выглядит примерно так (для любой оси x или y) В этом примере мы..

Руководство для лучшего понимания моделей линейной регрессии с помощью Python и SciKit-Learn Возможно, лучшей отправной точкой для задач регрессии являются линейные модели: их можно быстро обучить и легко интерпретировать. Линейные модели делают прогноз, используя линейную функцию входных функций. Здесь мы рассмотрим некоторые популярные линейные модели в Scikit-Learn . Полную записную книжку Jupyter можно найти здесь . Данные Здесь мы воспользуемся набором данных..