Разработку приложений машинного обучения можно рассматривать как состоящую из трех компонентов [1]: представления данных, функции оценки и метода оптимизации для оценки параметра модели машинного обучения. Это верно для обучения с учителем, без учителя и обучения с подкреплением. Основное внимание в этой статье уделяется компоненту оценки (целевым функциям или функциям потерь) задач машинного обучения, и она разделена на следующие разделы: Целевые функции для регрессии Целевые функции..

Привет, Асад здесь. Надеюсь, вы уже прочитали две мои мини-статьи о логистической регрессии, если не нажмите здесь, чтобы прочитать часть 1 и часть 2 . Как обсуждалось в прошлой статье, мы знаем, что будем использовать максимальную вероятность, чтобы лучше всего подогнать волнистую линию к точкам данных. Давайте посмотрим, как подобрать и выбрать наиболее подходящий для классификации. На приведенном выше графике у нас есть ось Y, которая имеет вероятность сдачи экзамена, ответ..

Вступление В этом посте я объясню, что такое метод максимального правдоподобия для оценки параметров, и рассмотрю простой пример, чтобы продемонстрировать этот метод. Некоторое содержание требует знания фундаментальных концепций вероятности, таких как определение совместной вероятности и независимости событий. Я написал сообщение в блоге с этими предпосылками , так что не стесняйтесь читать это, если считаете, что нуждаетесь в переподготовке. Какие параметры? Часто в машинном..

Введение : В машинном обучении цель состоит в том, чтобы найти определенные типы шаблонов. Для этого вам необходимо обучить модель над набором данных с помощью алгоритмов, чтобы модель могла учиться на этих данных. После обучения модель можно использовать для прогнозирования на основе других данных, которых она раньше не видела. Например, мы можем использовать модель машинного обучения, чтобы предсказать, болен ли пациент диабетом или здоров, в зависимости от таких характеристик,..