Публикации по теме 'decision-tree'


Reel VS Real: алгоритмы машинного обучения, часть 2
Алгоритмы машинного обучения, используемые для обнаружения фейковых новостей В первой части блога мы обсудили два алгоритма машинного обучения, а именно логистическую регрессию и деревья решений, и то, как их можно использовать для обнаружения фальшивых новостей. Во второй части мы изучим еще один алгоритм, который можно использовать для обнаружения фейковых новостей. Случайный лес — это алгоритм машинного обучения, который можно использовать для классификации, регрессии и других задач...
Деревья решений: Джини против энтропии
Дерева решений — один из самых известных контролируемых методов классификации . « Дерево решений — это способ представления знаний, полученных в процессе индуктивного обучения. Пространство разбивается с помощью набора условий, и в результате получается дерево “. Дерево состоит из узлов, и эти узлы выбираются с учетом оптимального разделения объектов. Для этого существуют разные критерии. В реализации Python дерева решений библиотеки scikit-learn это делается с помощью параметра «..
ПОЧЕМУ ваша модель предсказала ЭТО? (Часть 1 из 2)
В этом посте мы представляем простой и масштабируемый подход для создания легко интерпретируемых объяснений для отдельных прогнозов двоичных классификаторов на основе дерева. Этот пост разделен на три раздела: В Разделе 1 мы мотивируем потребность в индивидуальном объяснении прогнозов, сделанных классификаторами машинного обучения, и комментируем, почему наиболее продвинутые методы обычно наименее прозрачны. В Разделе 2 мы рассматриваем предыдущие работы в этой области, в..
Дерево решений — Простейший алгоритм для объяснения
Эта статья представляет собой краткий обзор того, как работают деревья решений. Мы будем использовать алгоритм CART ( Деревья классификации и регрессии ), чтобы упростить представление, поскольку он создает бинарные деревья (например, отличающиеся от алгоритма ID3). Деревья решений — это алгоритмы, состоящие из узлов, которые в основном представляют собой вопросы, возвращающие значение «Верно — неверно». корневой узел является первым и внутренним …
Насколько хороши деревья решений для задач регрессии?
Для задач регрессии статистики десятилетиями использовали классическую линейную регрессию. Этот метод популярен и среди специалистов по данным, иногда они также используют его регуляризованные варианты, чтобы избежать переобучения: регрессия Ridge/Lasso/ElasticNet. Алгоритмы на основе дерева (например, деревья регрессии, регрессор случайного леса, XGBoost) также популярны среди данных…
Начало работы с алгоритмами машинного обучения: случайный лес
В машинном обучении с учителем существует множество моделей машинного обучения, таких как линейная регрессия, логистическая регрессия, дерево решений и другие. мы используем эти модели для решения проблем классификации или регрессии, а ансамблевое обучение является частью обучения с учителем, которое дает нам модели, построенные с использованием нескольких базовых моделей. Случайный лес — одна из тех моделей ансамблевого обучения, которые популярны в области науки о данных благодаря..
Алгоритм случайного леса: ансамблевый подход к обучению
Случайный лес — это мощный алгоритм ансамблевого обучения, который использует силу нескольких деревьев решений для повышения точности прогнозирования и обобщения. В этом алгоритме на этапе обучения создается набор деревьев решений, а окончательный прогноз делается путем агрегирования отдельных прогнозов этих деревьев. Этот подход часто приводит к повышению производительности по сравнению с использованием одного дерева решений. Ансамблевое обучение: объединение мудрости многих..