Публикации по теме 'unsupervised-learning'


Машинное обучение с помощью Scikit-Learn: практическое руководство
Scikit-Learn — одна из самых популярных и широко используемых библиотек машинного обучения в Python. Он предоставляет простой и эффективный способ реализации различных алгоритмов машинного обучения и выполнения таких задач, как классификация, регрессия, кластеризация и т. д. В этом подробном руководстве мы рассмотрим основные понятия и шаги, которые помогут вам начать работу с машинным обучением с помощью Scikit-Learn. Оглавление 1. Введение в Scikit-Learn 2. Установка 3...
Использование контролируемого и неконтролируемого обучения для поиска потенциальных клиентов для Arvato Financial…
1. Введение Для эффективного привлечения новых клиентов любой компании крайне важно иметь представление о том, какие слои общества с наибольшей вероятностью станут клиентами. Этот проект, который является частью программы Udacity Data Science Nano Degree, демонстрирует, как использовать методы машинного обучения для решения этого вопроса. Наборы данных для этого проекта были предоставлены Arvato (дочерняя компания Bertelsmann) и включают демографические данные, относящиеся как к..
iTree: Изолированный лес
Обнаружение аномалий с помощью неконтролируемого обучения Изолирующий лес очень похож на популярный случайный лес. Разница лишь в том, что в отличие от Random forest, изолированный лес — это метод обучения без присмотра. Неконтролируемое обучение Быстрое обновление неконтролируемого обучения — данные обучения не помечены. Алгоритм находит сходство и различие между входными данными. Затем он классифицирует обучающие данные по группам. Наиболее популярным использованием..
Неконтролируемое обнаружение выбросов с помощью изолированного леса
Изолирующий лес  – неконтролируемый алгоритм обнаружения аномалий, который может обнаруживать выбросы в наборе данных с невероятной скоростью. Изолирующий лес  – это простой, но невероятный алгоритм, способный очень быстро выявлять выбросы или аномалии в наборе данных. Я должен сказать, что понимание этого инструмента является обязательным для любого начинающего специалиста по данным. В этой статье я кратко рассмотрю теории , лежащие в основе алгоритма, а также его реализации..
Плюсы и минусы контролируемого и неконтролируемого обучения: понимание основных различий
Машинное обучение — это быстрорастущая область, и два наиболее распространенных типа обучения в этой области — контролируемое и неконтролируемое обучение. Оба подхода имеют свои уникальные преимущества и недостатки, и понимание основных различий необходимо для выбора правильного метода для ваших данных и проблемы. В этом блоге мы рассмотрим плюсы и минусы контролируемого и неконтролируемого обучения и поможем вам понять, какой подход подходит для ваших нужд. Контролируемое обучение..
Прелесть анализа основных компонентов, техники машинного обучения, делающей сложные вещи простыми
Эта статья нацелена на то, чтобы сделать анализ основных компонентов, в основном сокращенно сокращенно PCA, простым для понимания и иметь ментальную модель, чтобы знать, когда его использовать и как использовать эту прекрасную технику. Я чувствую, что необходимо подходить к этому с подхода сверху вниз, а не снизу вверх, который погружается прямо в определение PCA, а затем объясняет его использование, прежде чем приводить проблемы и варианты использования. Таким образом, я начну с вариантов..
Овладение контролируемым обучением: основы создания точных прогнозов
Овладение контролируемым обучением: основы создания точных прогнозов Обучение с учителем 101: понимание основ прогнозного моделирования Обучение с учителем — это тип машинного обучения, при котором модель обучается делать прогнозы на основе помеченных примеров. В обучении с учителем обучающие данные состоят из набора пар входных/выходных данных, и цель состоит в том, чтобы изучить функцию, которая отображает входные данные в выходные данные. Например, предположим, что вы хотите..