Coursera Learner working on a presentation with Coursera logo and

Wieloliniowość

Dzięki coraz bardziej zaawansowanym algorytmom uczenia maszynowego i głębokiego uczenia, można rozwiązać niemal każdy problem przy użyciu odpowiednich zbiorów danych. Jednak wraz ze wzrostem...

Test chi

Podczas tworzenia modelu uczenia maszynowego można napotkać wiele problemów. Jednym z powszechnych problemów związanych z wyborem cech jest określenie, jak istotne są cechy wejściowe...

Sieci bayesowskie

Stworzenie modelu probabilistycznego może być wyzwaniem, ale okazuje się pomocne w uczeniu maszynowym. Aby stworzyć taki model graficzny, musisz znaleźć probabilistyczne zależności pomiędzy zmiennymi....

SMOTE

W tym artykule omówimy w jaki sposób moduł SMOTE pomaga zwiększyć liczbę niedoreprezentowanych przypadków w zbiorze danych modelu uczenia maszynowego. SMOTE jest najlepszą metodą,...

Macierz konfuzji

Proces klasyfikacji pomaga w kategoryzacji zbioru danych do różnych klas. Model uczenia maszynowego pozwala na: – Określić ramy problemu, – Zebranie danych, – Dodanie...

Inżynieria cech

Każdy algorytm uczenia maszynowego analizuje i przetwarza dane wejściowe oraz generuje dane wyjściowe. Dane wejściowe zawierają cechy w kolumnach. Te kolumny są ustrukturyzowane w...