Публикации по теме 'decision-tree'
Когда вы должны использовать классификатор случайного леса против классификатора дерева решений
И классификатор дерева решений, и классификатор случайного леса являются популярными инструментами для задач классификации в машинном обучении. Однако у них есть некоторые различия, которые могут сделать один более подходящим, чем другой, в определенных ситуациях.
Классификаторы дерева решений основаны на идее построения древовидной модели решений на основе характеристик данных. В каждом узле дерева классификатор принимает решение на основе одного признака, а дерево разветвляется на..
Бустирование и случайные леса — «Почему они потрясающие»
Начнем с простого дерева регрессии. Какова его цель? Чтобы сделать несколько шпагатов по обе стороны шпагата, выберите хорошее значение. Мы продолжаем разделяться, пока больше не можем, и тогда мы закончили.
При чем тут леса и прокачка?
Регрессия по дереву — это жадный алгоритм. Он пытается найти глобальное соответствие, принимая локально оптимальные решения. Но возможно, что если бы мы сделали другой выбор раньше, наш конечный результат был бы лучше. Итак, что мы делаем, чтобы..
Деревья решений: на какую функцию разделить?
Классификация по дереву решений, пожалуй, один из самых интуитивно понятных и простых для интерпретации алгоритмов классификации, которые у нас есть сегодня. Он может легко моделировать нелинейные отношения и создавать достаточно точные и стабильные прогнозные модели.
Обучение по классификации дерева решений имеет следующие ключевые особенности:
Мы рекурсивно разделяем нашу популяцию на две или более подгруппы на основе особенности . Это можно представить в виде дерева,..
Деревья решений
Применяется к Kaggle Titanic Challenge с R
Что такое дерево решений?
Деревья решений (DT) — это непараметрический контролируемый метод обучения, используемый для классификации и регрессии . Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной, изучая простые правила принятия решений, выведенные из характеристик данных.
В машинном обучении мы называем модель контролируемой, когда у вас есть целевая переменная. Более того, дерево решений можно..
Древо решений!
Дерево решений — это один из самых фундаментальных алгоритмов контролируемого машинного обучения для задач классификации и регрессии. Он очень хорошо работает со сложными наборами данных, и его очень легко понять. Как следует из названия, этот алгоритм работает, разделяя весь набор данных на древовидную структуру на основе некоторых условий, а затем давая прогнозы на основе этих условий.
Два типа деревьев решений
Дерево решений для категориальной переменной
В этом у нас есть..
Реализация случайных лесов с нуля с использованием объектно-ориентированного программирования на Python за 5 простых…
Это сложно, но благодаря великолепным объяснительным способностям Джереми Ховарда задача теперь кажется намного проще! Джереми реализует случайные леса с нуля в своей лекции РФ с нуля .
Для более глубокого понимания того, как работают случайные леса, вы можете обратиться к моей предыдущей статье Что такое случайные леса и как они на самом деле работают? »Или эту лекцию Глубокое погружение в случайные леса Джереми Ховарда.
Чтобы реализовать случайные леса с нуля, мы будем..
Выявление болезни Паркинсона — XG Boost
Техника оптимизации экстремального повышения
Понимание болезни
Болезнь Паркинсона — это расстройство головного мозга, которое приводит к дрожи, скованности и трудностям при ходьбе, равновесии и координации.
Симптомы болезни Паркинсона обычно начинаются постепенно и со временем ухудшаются. По мере прогрессирования заболевания у людей могут возникать трудности при ходьбе и разговоре. У них также могут быть психические и поведенческие изменения, проблемы со сном, депрессия, проблемы..
