Публикации по теме 'supervised-learning'
Что такое машинное обучение?
Машинное обучение (ML) — это метод анализа данных, который учит компьютеры накапливать знания на основе своего опыта, чтобы они могли адаптивно улучшать свои решения без необходимости прямого вмешательства человека. Это отличается от того, как компьютеры обычно принимают решения, то есть с помощью заранее определенной модели или фрагмента кода, написанного программистом.
Однако при машинном обучении компьютеры обучаются на образцах данных. По мере увеличения количества этих выборок..
Модели классификации
Что такое модели классификации в обучении с учителем
В машинном обучении у нас есть разные типы моделей и алгоритмов. Как классификация моделей входит в область обучения с учителем. В этом типе модель классифицирует данные по классам.
В этой статье мы обсудим, что такое алгоритм классификации, типы классификаторов и где мы можем использовать модели классификации.
Что такое Алгоритм классификации?
Алгоритм классификации входит в область контролируемого обучения. В моделях..
Машинное обучение с точки зрения системной инженерии
"Начиная"
Машинное обучение с точки зрения системной инженерии
В этой статье используется целостный подход к машинному обучению с использованием элементарных принципов системной инженерии. Позволяет понять и управлять основным строительным блоком в большинстве систем машинного обучения. Вы узнаете, как преобразовать данные формы в прогнозы.
Таблица содержания
Принципы системной инженерии "Машинное обучение" Исследовательский анализ данных Подсистема обучения "Оценка"..
Понимание основ регрессионного анализа
Регрессионный анализ — это статистический метод, используемый для выявления взаимосвязей между независимыми переменными (входными данными) и зависимыми переменными (выходными данными). Он используется для моделирования взаимосвязи между переменными и для прогнозирования результата данного ввода. Это мощный инструмент для понимания влияния одной или нескольких переменных на заданный результат.
В Python регрессионный анализ можно выполнить с помощью пакета scikit-learn. Он..
Самостоятельное обучение
Самоконтролируемое обучение (LASSO) — это метод обучения без учителя, который направлен на обнаружение скрытых переменных или внутренних структурных паттернов в наборах данных \[[ @B1 ]\]. Первоначальный LASSO, предложенный Тибширани и Фридманом \[[ @B3 ]\], называется регуляризованным LASSO (RLS), который заменяет штраф за наименьшее абсолютное отклонение (LAD) штрафом за разреженную обратную ковариацию (SIC), который является регуляризацией терм, основанный на разреженной матрице,..
Демонстрация контролируемого алгоритма машинного обучения: логистическая регрессия
Логистическая регрессия — это популярный алгоритм, используемый для задач бинарной классификации в контролируемом машинном обучении. Но что это значит? Ну, в бинарной классификации мы пытаемся предсказать один из двух возможных результатов или категорий. Например, мы можем захотеть предсказать, является ли электронное письмо спамом или нет, или сдаст или провалит студент экзамен.
В отличие от линейной регрессии, предсказывающей числовые значения, логистическая регрессия предсказывает..
Разработка алгоритма градиентного спуска для модели регрессии
При обучении с учителем алгоритм обучается с использованием функции, называемой функцией потерь, функцией стоимости или функцией ошибки, которая является функцией прогнозируемого результата и желаемого результата. Если h(xi) — прогнозируемый результат, а yi — желаемый результат, функция потерь равна
где n — общее количество записей, для которых делаются прогнозы. Определенная функция представляет собой среднеквадратичную ошибку (MSE). MSE — это функция потерь для регрессионной..
