Все модели классификации объясняются в обучении с учителем
При изучении машинного обучения вы можете столкнуться с множеством различных типов моделей и алгоритмов, и в обучении с учителем есть популярная ветвь — модели классификации.
У контролируемого обучения есть 2 типа моделей: классификация и регрессия. Что ж, в этой статье мы познакомимся с самыми популярными моделями классификации.
Что такое Алгоритм классификации?
Алгоритм классификации относится к обучению с учителем. И он используется для разделения данных на несколько групп. Эти методы используют линейные и нелинейные алгоритмы для разделения и категоризации набора данных. Выходные данные могут быть категоризированы или двоичны.
Вывод можно классифицировать, например, Да или Нет, 0 или 1 и т. д.
Типы алгоритмов классификации
Алгоритмы классификации используют два типа моделей: линейные и нелинейные модели.
Я написал статьи о каждой из перечисленных ниже моделей, объясняя их примерами, чтобы вы могли их прочитать.
Линейные модели
В этом типе алгоритм использует прямую линию для классификации классов.
- Логистическая регрессия
- Опорные векторные машины
Нелинейные модели
В этом типе алгоритм использует нелинейные (кривые) для классификации набора данных по классам.
- Классификация дерева решений
- Случайная классификация леса
- K-ближайшие соседи
- Наивный байесовский
- Ядро SVM
Что ж, если вам понравилась эта статья, вы можете ознакомиться с моими статьями, чтобы найти больше интересных статей в области искусственного интеллекта и машинного обучения.
Заключение
Если вы нашли эту статью полезной, оцените ее, похлопав в ладоши, и следите за мной, чтобы не пропустить другие интересные статьи. Что ж, у меня для вас хорошие новости: я буду приносить больше статей, объясняющих концепции и модели машинного обучения с помощью кодов, так что оставьте комментарий и расскажите, насколько вы взволнованы этим.
