Методы классификации для студентов и профессионалов. В этом курсе узнаете, к-ближайших соседей & Байесовской классификации и код в Python
вы узнаете, к-ближайших соседей & наивной Байесовской классификации методов.
В распознавание образов, к-ближайших соседей (K-НН) - это непараметрический метод, используемый для классификации и регрессии
.к-НН-это тип обучения на примерах, или лень учить, где функция аппроксимируется только локально и все вычисления откладывается до классификации. Алгоритм к-НН является одним из самый простой из всех алгоритмов машинного обучения.
Для классификации, полезную технику можно присвоить вес вкладу соседей, так что ближе соседи вносят больший вклад в среднем, чем более удаленных.
Соседями берутся из набора объектов, для которых класс (по классификации к-НН). Это можно рассматривать как обучающий набор для алгоритма, хотя никакого явного этапе обучения требуется.
В машинном обучении, наивные байесовские классификаторы семье простой вероятностный классификатор, основанный на применении теоремы Байеса с сильным (наивный) независимость предположения между объектами.
Наивные байесовские классификаторы масштабируемых, требующих ряд параметров линейной числа переменных (функции/предикторов) в проблемы с учебой. Максимального правдоподобия обучение может быть сделано путем оценки замкнутой форме выражения, которая занимает линейное время, а не дорогие итерационного приближения использовать для многих других видов классификаторов.
В статистике и в литературе по компьютерным наукам, модели упрощенного алгоритма Байеса известны под различными именами, в том числе простой Байес и независимости Байеса. Все эти имена ссылаются на применение теоремы Байеса в решающее правило классификатора, но наивный Байес-это не (обязательно) Байесовский метод.
В этом курсе вы научитесь классифицировать наборы данных на k-ближайших соседей, метод классификации, чтобы найти правильный класс для данных и сократить ошибки. Затем вы идете дальше, вы узнаете, как классифицировать выпуска модели с помощью наивного байесовского метода классификации.
В первом разделе вы узнаете, как использовать Python для оценки выхода системы. В этом разделе можно классифицировать:
питона набора данных
ириса
сделать свой собственный алгоритм k ближайших соседей
во втором разделе вы узнаете, как использовать Python для классификации выходе системы с нелинейной структурой .В этом разделе можно классифицировать: индейцы диабета
ириса
Пима базе
сделать свой собственный алгоритм упрощенного алгоритма Байеса

DOWNLOAD






turbobit

---