Публикации по теме 'scikit-learn'
Линейная регрессия в Python с помощью Scikit-Learn
Предскажите цену на жилье с помощью линейной регрессии
Введение
В контролируемом машинном обучении есть два алгоритма: алгоритм регрессии и алгоритм классификации. Например, прогнозирование цен на жилье - это проблема регрессии, а прогнозирование возможности продажи домов - это проблема классификации.
Термин «линейность» в алгебре относится к линейной зависимости между двумя или более переменными.
В простой линейной регрессии, обсуждаемой в этой статье, если вы нарисуете эту..
Использование Scikit-learn на Google Cloud Platform
С большими данными сложно обучать модели машинного обучения на локальном компьютере, не тратя на это часы. Из-за этого я использовал Google Cloud Platform (GCP). Платформа искусственного интеллекта GCP управляет вычислительными ресурсами в облаке для обучения моделей TensorFlow, scikit-learn и XGBoost. Вы создаете приложение для обучения (локально или в облаке) и отправляете задание на обучение. Сервис обучения AI Platform записывает свои выходные данные в корзину облачного хранилища..
Настройте свою модель Scikit-learn с помощью эволюционных алгоритмов
Настройка гиперпараметров Scikit-learn с помощью эволюционных алгоритмов и перекрестной проверки.
Настройка гиперпараметров является важной частью конвейера машинного обучения - в большинстве распространенных реализаций используется поиск по сетке (случайный или нет) для выбора между набором комбинаций.
В этой статье будут использоваться эволюционные алгоритмы с пакетом Python sklearn-генетический-opt , чтобы найти набор параметров, который оптимизирует нашу определенную метрику..
XGBoost: полное руководство по точной настройке и оптимизации вашей модели
Как настроить гиперпараметры XGBoost и повысить производительность вашей модели?
Почему XGBoost так популярен?
Первоначально начатый как исследовательский проект в 2014 году , XGBoost быстро стал одним из самых популярных алгоритмов машинного обучения за последние несколько лет.
Многие считают его одним из лучших алгоритмов и из-за его высокой производительности при решении задач регрессии и классификации рекомендуют его в качестве первого выбора во многих ситуациях. XGBoost..
Метрики классификации
В обычном мире точность и точность часто взаимозаменяемы, но не когда дело доходит до машинного обучения. Точность и точность - действительно важные метрики, которые используются для оценки модели, и вместе с отзывом и F1 они составляют знаменитые метрики классификации .
Матрица неточностей - лучший инструмент, с помощью которого можно полностью понять, почему эти четыре показателя так важны для оценки модели. Вот как это выглядит:
Если вы запутались, не волнуйтесь. Это..
Введение в искусственные нейронные сети (ИНС)
Часть 1-ИНС
Этот пост посвящен искусственной нейронной сети (ИНС) с точки зрения непрофессионала, чтобы получить общий обзор, за которым следует простая реализация демонстрации сквозного конвейера, которая доступна в части 2. Мы не будем сосредотачиваться или исследовать математику. за функциональностью ИНС.
Что такое искусственная нейронная сеть?
Человеческий мозг интерпретирует контекст и ситуации реального мира не так, как компьютеры. Искусственная нейронная сеть - это способ..
Обнаружение спама с помощью научного набора
Одним из основных проектов машинного обучения является обнаружение спама. Обнаружение спама реализовано в gmail, truecaller и т.д. Теперь в этом блоге мы увидим, как построить модель машинного обучения с точностью выше 95%. Я работаю с Jupyter Notebook для лучшего объяснения.
НЕОБХОДИМЫЕ БИБЛИОТЕКИ
Библиотека numpy используется для математических манипуляций. Библиотека pandas используется для манипуляций с наборами данных. Из библиотеки sklearn мы импортируем класс..