Що таке класифікація
Класифікація — це задача з навчанням з учителем, метою якої є передбачення класу об'єкта за його ознаками. Модель навчається на розмічених прикладах у навчальній вибірці та потім призначає клас новим, невідомим даним.
Регресія передбачає неперервне числове значення (наприклад, ціну), яке може мати багато можливих значень. Класифікація передбачає категоріальне значення (наприклад, тип цукерки), обираючи один варіант із обмеженого набору класів.
Існує кілька типів класифікації:
- Бінарна класифікація: цільова змінна має два можливих результати (спам/не спам, печиво/не печиво);
- Багатокласова класифікація: три або більше можливих категорій (спам/важливе/реклама/інше; печиво/зефір/цукерка);
- Мульти-лейбл класифікація: один об'єкт може одночасно належати до декількох класів (фільм може бути бойовиком та комедією; електронний лист може бути важливим та робочим).
Для більшості моделей машинного навчання необхідно кодувати цільову змінну у вигляді числа. Для бінарної класифікації результати зазвичай кодуються як 0/1 (наприклад, 1 — печиво, 0 — не печиво). Для багатокласової класифікації результати зазвичай кодуються як 0, 1, 2, ... (наприклад, 0 — candy, 1 — cookie, 2 — marshmallow).
Багато різних моделей можуть виконувати класифікацію. Деякі приклади:
- k-найближчих сусідів;
- Логістична регресія;
- Дерево рішень;
- Випадковий ліс.
На щастя, всі вони реалізовані у бібліотеці scikit-learn і прості у використанні.
Жодна модель машинного навчання не є кращою за інші. Ефективність моделі залежить від конкретного завдання.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 4.17Що таке класифікація
Свайпніть щоб показати меню
Класифікація — це задача з навчанням з учителем, метою якої є передбачення класу об'єкта за його ознаками. Модель навчається на розмічених прикладах у навчальній вибірці та потім призначає клас новим, невідомим даним.
Регресія передбачає неперервне числове значення (наприклад, ціну), яке може мати багато можливих значень. Класифікація передбачає категоріальне значення (наприклад, тип цукерки), обираючи один варіант із обмеженого набору класів.
Існує кілька типів класифікації:
- Бінарна класифікація: цільова змінна має два можливих результати (спам/не спам, печиво/не печиво);
- Багатокласова класифікація: три або більше можливих категорій (спам/важливе/реклама/інше; печиво/зефір/цукерка);
- Мульти-лейбл класифікація: один об'єкт може одночасно належати до декількох класів (фільм може бути бойовиком та комедією; електронний лист може бути важливим та робочим).
Для більшості моделей машинного навчання необхідно кодувати цільову змінну у вигляді числа. Для бінарної класифікації результати зазвичай кодуються як 0/1 (наприклад, 1 — печиво, 0 — не печиво). Для багатокласової класифікації результати зазвичай кодуються як 0, 1, 2, ... (наприклад, 0 — candy, 1 — cookie, 2 — marshmallow).
Багато різних моделей можуть виконувати класифікацію. Деякі приклади:
- k-найближчих сусідів;
- Логістична регресія;
- Дерево рішень;
- Випадковий ліс.
На щастя, всі вони реалізовані у бібліотеці scikit-learn і прості у використанні.
Жодна модель машинного навчання не є кращою за інші. Ефективність моделі залежить від конкретного завдання.
Дякуємо за ваш відгук!
