|
Mashinali o’qitishda sinflashtirish masalalari
|
| bet | 7/8 | | Sana | 15.05.2024 | | Hajmi | 64,62 Kb. | | #233860 |
Model tayyorlash
Modelni tanlaganingizdan so'ng, keyingi qadam uni o'quv ma'lumotlariga o'rgatishdir. Bu o'quv ma'lumotlari uchun bashorat qilingan sinf belgilari va haqiqiy sinf yorliqlari o'rtasidagi xatolikni minimallashtirish uchun model parametrlarini sozlashni o'z ichiga oladi.
1.9.5 Tartibsizlik matritsasi (confusion matrix)
Modelni baholash
Modelni baholash: Modelni o'rgatgandan so'ng, uning ishlashini tekshirish to'plamida baholash muhimdir. Bu sizga modelning yangi, ko'rilmagan ma'lumotlarda qanchalik yaxshi ishlashi haqida yaxshi fikr beradi.
Log yo'qolishi yoki o'zaro entropiya yo'qolishi, chalkashlik matritsasi, aniqlik, eslab qolish va AUC-ROC egri chizig'i modelning ishlashini o'lchash uchun ishlatiladigan sifat ko'rsatkichlari hisoblanadi.
Modelni nozik sozlash
Agar modelning ishlashi qoniqarli bo'lmasa, siz parametrlarni sozlash yoki boshqa modelni sinab ko'rish orqali uni aniq sozlashingiz mumkin.
Modelni joylashtirish
Nihoyat, biz modelning ishlashidan mamnun bo'lganimizdan so'ng, biz uni yangi ma'lumotlar bo'yicha bashorat qilish uchun ishlatishimiz mumkin. u haqiqiy dunyo muammosi uchun ishlatilishi mumkin.
Haqiqiy hayotda mashinani o'rganish tasnifiga misollar
Tasniflash algoritmlari turli sohalardagi ko'plab real ilovalarda keng qo'llaniladi, jumladan:
Elektron pochta spamlarini filtrlash
Kredit riskini baholash
Tibbiy diagnostika
Tasvir tasnifi
Hissiyot tahlili.
Firibgarlikni aniqlash
Sifat nazorati
Tavsiya tizimlari
Mashina o'rganishda tasniflash modelini amalga oshirish
Keling, Tasniflash qanday ishlashi haqida amaliy tajribaga ega bo'laylik. Biz turli xil klassifikatorlarni o'rganamiz va ularning ishlashini taniqli, standart ma'lumotlar to'plami, Iris ma'lumotlar to'plamida juda oddiy tahliliy taqqoslashni ko'rib chiqamiz.
Berilgan skriptni ishga tushirish uchun talablar:
Python
Scipy va Numpy
Pandalar
Scikit - o'rganing
|
| |
