投票分类器是一种机器学习模型, 它在众多模型的整体上进行训练, 并根据其将选定类别作为输出的最高概率来预测输出(类别)。 它只是汇总传递给"投票分类器"的每个分类器的结果, 并根据最高的投票预测输出类...
IT技术
ML为什么要在分类中进行逻辑回归？
使用线性回归, 所有> = 0.5的预测都可以被视为1, 而其余所有<0.5的预测都可以被视为0。但是随后出现了一个问题, 为什么不能使用它进行分类？ 问题– 假设我们将邮件分类为垃圾邮件...
Python
ML层次聚类（聚集和分裂聚类）
在数据挖掘和统计中, 层次聚类分析是一种聚类分析的方法, 其试图建立聚类的层次, 即基于层次的树型结构。 基本上, 有两种类型的层次聚类分析策略– 聚集聚类： 也称为自下而上的方法或分层的聚集聚类(H...
Python
ML：在Python中使用SMOTE和Near Miss算法处理不平衡数据
本文概述 SMOTE(少数民族综合采样技术)–过度采样 NearMiss算法–欠采样 在机器学习和数据科学中, 我们经常遇到一个叫做数据分配不平衡, 通常发生在其中一类的观测值比其他类高或低得多的情况...
Python
ML模糊聚类详细介绍和指南
先决条件： 机器学习中的聚类 什么是聚类？ 聚类是一种无监督的机器学习技术, 可根据给定数据彼此之间的距离(相似性)将其分为不同的簇。 无监督k均值聚类算法将位于某个特定聚类中的任何点的值设置为0或1...
Python
ML特征缩放指南–第2部分
特征缩放是一种在固定范围内标准化数据中存在的独立特征的技术。它是在数据预处理期间执行的, 以处理高度变化的幅度或值或单位。如果未进行特征缩放, 则机器学习算法将权衡更大的值, 更大的值, 并将较小的值...
Python
ML特征缩放指南–第1部分
特征缩放是一种在固定范围内标准化数据中存在的独立特征的技术。它是在数据预处理期间执行的。 加工： 给定具有以下特征的数据集-年龄, 工资, BHK公寓, 其数据大小为5000人, 每个人具有这些独立的...
Python
ML用于特征选择的额外树分类器
先决条件： 决策树分类器 极随机树分类器(额外树分类器)是一种整体学习技术, 可将在"森林"中收集的多个不相关的决策树的结果进行汇总, 以输出其分类结果。从概念上讲, 它与随机森林分类器非常相似, 唯...
Python
ML信用卡欺诈检测详细示例
面临的挑战是识别欺诈性的信用卡交易, 以便不向信用卡公司的客户收取未购买商品的费用。 信用卡欺诈检测所涉及的主要挑战是： 每天都会处理大量数据, 并且模型构建必须足够快才能及时响应骗局。 数据不平衡,...
Python
ML Logistic回归中的成本函数
对于线性回归, 成本函数为– 但是对于Logistic回归, 这将导致非凸成本函数。但这会导致成本函数具有局部最优值, 这对于梯度下降计算全局最优值来说是一个很大的问题。 因此, 对于Logistic...
