Какую модель машинного обучения использовать
В этой статье я хотел бы рассказать вам о «Лучших алгоритмах машинного обучения».
1. Линейная регрессия
Линейная регрессия - это прогностический статистический подход для моделирования взаимосвязи между зависимой переменной с заданным набором независимых переменных.
2. Логистическая регрессия
Логистическая регрессия — это алгоритмы обучения под наблюдением, широко используемые для классификации. он используется для предсказания бинарного результата(1/0, да/нет, правда/ложь) с учетом набора независимых переменных
3. СВМ
Методы опорных векторов (SVM) — это набор методов обучения с учителем, используемых для классификации, регрессии и обнаружения выбросов.
4. K-ближайший
K-Nearest Neighbours — это алгоритм контролируемого машинного обучения, который можно использовать как для классификации, так и для регрессии. Он не делает предположений о базовой схеме распределения данных.
5. АдаБуст
AdaBoost – это алгоритм повышения квалификации, который включает группу алгоритмов, использующих средневзвешенные значения, чтобы превратить слабых учеников в сильных учеников. Каждая запущенная модель решает, на каких функциях будет сосредоточена следующая модель. на
Была ли эта статья полезной? Подпишитесь на TechWithMK
Вы обязательно должны проверить мои другие блоги:
