Публикации по теме 'classification-models'
Йога-позы-классификатор
Описание
Модель машинного обучения, которая классифицирует позу йоги на 4 самых известных асаны, а именно на нисходящую собаку, позу доски, позу дерева, позу богини и позу воина-2 с использованием Mediapipe Blazepose для извлечения признаков.
набор данных
Набор данных представляет собой комбинированный набор данных:
https://www.kaggle.com/niharika41298/yoga-poses-dataset https://sites.google.com/view/yoga-82/home Объединенный набор данных содержит более 900 различных..
Прогнозирование отказа APS грузовика Scania с помощью машинного обучения - Часть 1
Постановка задачи для машинного обучения Деловые ограничения Описание набора данных и получение данных Показатели эффективности Начиная Исследовательский анализ данных Вменение отсутствующего значения Нормализация данных
Постановка проблемы для машинного обучения
Эту проблему можно рассматривать как простую модель двоичной классификации, где положительный класс означает, что проблема в грузовике возникла из-за неисправности в APS , а отрицательный класс означает иное. Таким..
Классификация с использованием модели BERT
Поскольку мы собираемся использовать модель BERT, предварительная обработка наших текстовых данных не требуется. Мы пропустим все эти шаги, сосредоточимся только на необходимых шагах, которые необходимы для модели BERT.
Вы можете сослаться на https://www.kaggle.com/datasets/shashwatwork/consume-complaints-dataset-fo-nlp/download?datasetVersionNumber=1 для набора данных из kaggle.
В нашем наборе данных у нас есть 5 типов жалоб.
кредитная отчетность взыскание долгов ипотека и..
Рекомендации по тестированию бинарной классификации с несбалансированной целевой переменной
Построение модели классификации с использованием несбалансированных данных может быть трудным, поскольку модели классификации часто отдают предпочтение классу большинства. Несбалансированность целевой переменной является результатом различных факторов, включая то, что целевая переменная является редким или экстремальным событием, неадекватным сбором данных и ошибками в измерениях. Наборы данных с чрезвычайно несбалансированным целевым признаком часто имеют высокую стоимость ошибочной..
Матрица путаницы для проблемы классификации
Основы машинного обучения
Привет! В этом блоге я объяснил матрицу путаницы, используемую для задач классификации. Изучите концепции машинного обучения простыми словами. Приятного чтения.
Матрица путаницы — это матрица N*N, используемая для оценки или визуализации эффективности модели классификации .
Положительный (P) — это количество положительных результатов в данных, а отрицательный (N) — количество отрицательных результатов в данных. P+N дает общую совокупность или..
Взгляд на математику, стоящую за линейной классификацией
Бинарная и мультиклассовая классификация, границы решений, дискриминантные функции и kNN
Введение
Эта статья является продолжением нескольких ранее опубликованных статей, первая из которых представляет собой введение в мир машинного обучения, а вторая знакомит с математическими понятиями и обозначениями линейной регрессии. Некоторые ключевые неопределенные термины здесь были определены в предыдущих статьях, поэтому я настоятельно рекомендую ознакомиться с ними...
Классификация изображений собак и кошек с помощью сверточной нейронной сети
В этом руководстве мы собираемся взять необработанные изображения, которые уже были помечены для нас, а затем передать их сверточной нейронной сети для классификации.
На изображениях либо собака(и), либо кошка(и).
После того, как вы загрузили и извлекли данные с https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data , вы готовы начать.
У нас есть данные, но мы не можем просто вставлять необработанные изображения прямо через нашу свёрточную нейронную сеть. Во-первых, нам..
