Innehållsförteckning:

Hur fungerar en klassificeringsalgoritm?
Hur fungerar en klassificeringsalgoritm?

Video: Hur fungerar en klassificeringsalgoritm?

Video: Hur fungerar en klassificeringsalgoritm?
Video: Vad är en algoritm? 2024, Maj
Anonim

Klassificering är en teknik där vi kategoriserar data i ett givet antal klasser. Huvudmålet för en klassificering problem är för att identifiera den kategori/klass som en ny data kommer att falla under. Klassificerare : Ett algoritm som mappar indata till en specifik kategori.

På liknande sätt kan man fråga sig, vilka är klassificeringsalgoritmerna inom maskininlärning?

Här har vi typerna av klassificeringsalgoritmer i maskininlärning:

  • Linjära klassificerare: logistisk regression, naiv Bayes klassificerare.
  • Närmaste granne.
  • Stöd Vector Machines.
  • Beslutsträd.
  • Förstärkta träd.
  • Random Forest.
  • Neurala nätverk.

Förutom ovan, vilken klassificeringsalgoritm är baserad på sannolikhet? Probabilistiskt klassificering . I maskininlärning, en probabilistik klassificerare är en klassificerare som kan förutsäga, givet en observation av en ingång, en sannolikhet fördelning över en uppsättning klasser, snarare än att bara mata ut den mest sannolika klassen som observationen bör tillhöra.

Helt enkelt så, vilken är den bästa klassificeringsalgoritmen?

Random Forest är en av de mest effektiva och mångsidiga maskininlärningen algoritm för många olika klassificering och regressionsuppgifter, eftersom de är mer robusta mot buller. Det är svårt att bygga en dålig slumpmässig skog.

Vad är ML-klassificering?

Inom maskininlärning och statistik, klassificering är problemet med att identifiera vilken av en uppsättning kategorier (underpopulationer) en ny observation tillhör, på basis av en träningsuppsättning av data som innehåller observationer (eller instanser) vars kategorimedlemskap är känt.

Rekommenderad: