La source: https://www.serokell.io
Dans l'image ci-dessus, vous pouvez voir que les e-mails sont classés comme spam ou non. Ensuite, est un exemple de classement (classement binaire).
1. Régression logistique
2. Bayes ingénieux
3. Les voisins les plus proches
5. Arbre de décision
Nous verrons tous les algorithmes avec un petit code appliqué dans l'ensemble de données d'iris qui est utilisé pour les tâches de classification. L'ensemble de données a 150 instances (Lignes), 4 fonctionnalités (Colonnes) et ne contient aucune valeur nulle. Il y a 3 classes dans l'ensemble de données iris:
– Iris soyeux
– Iris Versicolor
– Iris Virginie
C'est un algorithme de classification très basique mais important en apprentissage automatique qui utilise une ou plusieurs variables indépendantes pour établir un résultat. La régression logistique tente de trouver le lien qui correspond le mieux entre la variable dépendante et un ensemble de variables indépendantes. La ligne la mieux ajustée dans cet algorithme ressemble à la forme S, comme le montre l'image.
La source: https://www.equiskill.com
Avantages:
- C'est un algorithme très simple et efficace.
- Faible écart.
- Fournit probabilité note d'observation.
Les inconvénients:
- Mauvaise conduite un grand nombre de caractéristiques catégorielles.
- Supposons que les données sont exemptes de valeurs manquantes et que les prédicteurs sont indépendants les uns des autres.
Exemple:
à partir de sklearn.datasets importer load_iris à partir de sklearn.linear_model import LogisticRegression X, y = load_iris() LR_classifier = Régression Logistique(état_aléatoire=0) LR_classifier.fit(X, Oui) LR_classifier.predict(X[:3, :])
Production:
déployer([0, 0, 0]) il a prédit 0 classe pour tous 3 tests donnés pour prédire la fonction.
2. Bayes ingénieux
Naive Bayes se basa fr Théorème de Bayes ce qui donne une hypothèse d'indépendance entre les prédicteurs. Ce classificateur suppose que la présence d'une caractéristique particulière dans une classe n'est pas liée à la présence d'une autre
caractéristique / variable.
Les classificateurs Naive Bayes sont de trois types: Multinomial Naïf Bayes, Bernoulli Naïf Bayes, Bayes naïf gaussien.
Avantages:
- Cet algorithme fonctionne très rapidement.
- Il peut également être utilisé pour résoudre des problèmes de prédiction multi-classes., car c'est très utile avec eux.
- Ce classifieur fonctionne mieux que d'autres modèles avec moins de données d'apprentissage si l'hypothèse d'indépendance des caractéristiques est maintenue..
Les inconvénients:
- Suppose
que toutes les fonctions sont indépendantes. Bien que cela puisse sembler bien dans
théorie, Mais dans la vraie vie, personne ne peut trouver un ensemble de caractéristiques indépendantes.
Exemple:
à partir de sklearn.datasets importer load_iris de sklearn.model_selection importer train_test_split de sklearn.naive_bayes importer GaussianNB X, y = load_iris(return_X_y=Vrai) X_train, X_test, y_train, y_test = train_test_split(X, Oui, taille_test=0.25, état_aléatoire=142) Naive_Bayes = GaussianNB() Naive_Bayes.fit(X_train, y_train) prédiction_résultats = Naive_Bayes.predict(X_test) imprimer(prédiction_résultats)
Production:
déployer([0, 1, 1, 2, 1, 1, 0, 0, 2, 1, 1, 1, 2, 0, 1, 0, 2, 1, 1, 2, 2, 1,0, 1, 2, 1, 2, 2, 0, 1, 2,
1, 2, 1, 2, 2, 1, 2])
Ce sont les classes prédites pour les données X_test par notre modèle naïf de Bayes.
3. Algorithme du voisin le plus proche K
Vous devez avoir entendu parler d'un dicton populaire:
“Oiseaux d'une plume volent ensemble.”
KNN fonctionne sur le même principe. Classer les nouveaux points de données en fonction de la classe de la plupart des points de données entre le voisin K, où K est le nombre de voisins à considérer. KNN capture l'idée de similitude (parfois appelé distance,
proximité ou proximité) avec quelques formules de distance mathématiques de base comme la distance euclidienne, distance de Manhattan, etc.
La source: https://www.javatpoint.com
Sélectionnez la valeur correcte pour K
Pour choisir le K approprié pour les données que vous souhaitez former, exécuter l'algorithme KNN plusieurs fois avec différentes valeurs K et choisir cette valeur K qui réduit le nombre d'erreurs dans les données invisibles.
Avantages:
- KNN est simple et facile à mettre en œuvre.
- Pas besoin de créer un modèle, ajuster divers paramètres ou faire des hypothèses supplémentaires comme certains des autres algorithmes de classification.
- Peut être utilisé pour le classement, régression et recherche. Ensuite, c'est souple.
- L'algorithme devient considérablement plus lent à mesure que le nombre d'exemples augmente et / ou prédicteurs / variables indépendantes.
de sklearn.neighbors importer KNeighborsClassifier X_train, X_test, y_train, y_test = train_test_split(X, Oui, taille_test=0.25, état_aléatoire=142) knn = KNeighborsClassifier(n_voisins=3) knn.fit(X_train, y_train) prédiction_résultats = knn.predict(X_test[:5,:) imprimer(prédiction_résultats)
Production:
déployer([0, 1, 1, 2, 1]) Nous avons prédit nos résultats pour 5 exemples de lignes. On a donc 5 résultats dans le tableau.
4. SVM
SVM signifie Support Vector Machine. Il s'agit d'un algorithme d'apprentissage automatique supervisé qui est utilisé très fréquemment pour les défis de classification et de régression. Malgré cela, principalement utilisé dans les problèmes de classification. Le concept de base de Support Vector Machine et son fonctionnement peuvent être mieux compris avec cet exemple simple. Ensuite, imaginez que vous avez deux étiquettes: vert et bleu, et nos données ont deux caractéristiques: X Oui Oui. Nous voulons un classificateur qui, donné quelques (X, Oui) coordonnées, sorties si c'est vert O bleu. Tracez les données d'entraînement étiquetées sur un avion, puis essayez de trouver un avion (l'hyperplan des dimensions augmente) qui sépare très clairement les points de données des deux couleurs.
La source: https://www.javatpoint.com
Mais c'est le cas pour les données linéaires. Mais, Que faire si les données ne sont pas linéaires, puis utilisez l'astuce du noyau? Ensuite, pour gérer ça, on augmente la dimension, cela amène les données dans l'espace et maintenant les données deviennent linéairement séparables en deux groupes.
Avantages:
- SVM fonctionne relativement bien lorsqu'il y a une marge de séparation claire entre les classes.
- SVM est plus efficace dans les grands espaces.
Les inconvénients:
- SVM ne convient pas aux grands ensembles de données.
- SVM ne fonctionne pas très bien lorsque le jeu de données a plus de bruit, En d'autres termes, lorsque les classes cibles se chevauchent. Ensuite, doit être manipulé.
Exemple:
de sklearn importer svm svm_clf = svm.SVC() X_train, X_test, y_train, y_test = train_test_split(X, Oui, taille_test=0.25, état_aléatoire=142) svm_clf.fit(X_train, y_train) prédiction_resultats = svm_clf.predict(X_test[:7,:]) imprimer(prédiction_résultats)
Production:
déployer([0, 1, 1, 2, 1, 1, 0])
5.Arbre de décision
L'arbre de décision est l'un des algorithmes d'apprentissage automatique les plus utilisés. Ils sont utilisés pour les problèmes de classification et de régression. Les arbres de décision imitent la pensée au niveau humain, il est donc très facile de comprendre les données et de faire de bonnes intuitions et interprétations. En réalité, vous faire voir la logique des données pour l'interpréter. Les arbres de décision ne sont pas comme les algorithmes de boîte noire comme SVM, les réseaux de neurones, etc.
La source: https://www.aitimejournal.com
Par exemple, si nous classons une personne comme apte ou inapte, l'arbre de décision ressemble un peu à ceci dans l'image.
Ensuite, en résumé, Un arbre de décision est un arbre où chaque nœud représente un
caractéristique / attribut, chaque branche représente une décision, une règle et chaque feuille représente un résultat. Ce résultat peut être de valeur catégorique ou continue. Catégorique en cas de classement et continu en cas d'applications de régression.
Avantages:
- Par rapport à d'autres algorithmes, les arbres de décision nécessitent moins d'efforts pour la préparation des données tout au long du prétraitement.
- Ils ne nécessitent pas non plus de normalisation ou de mise à l'échelle des données.
- Le modèle développé dans l'arbre de décision est très intuitif et facile à expliquer à la fois aux équipes techniques et aux parties prenantes..
Les inconvénients:
- Si même une petite modification est apportée aux données, qui peut conduire à un grand changement dans la structure de l'arbre de décision provoquant une instabilité.
- Parfois, le calcul peut être beaucoup plus complexe par rapport à d'autres algorithmes.
- Les arbres de décision prennent généralement plus de temps pour entraîner le modèle.
Exemple:
à partir de l'arbre d'importation sklearn dtc = arbre.DecisionTreeClassifier() X_train, X_test, y_train, y_test = train_test_split(X, Oui, taille_test=0.25, état_aléatoire=142) dtc.fit(X_train, y_train) prédiction_résultats = dtc.predict(X_test[:7,:]) imprimer(prédiction_résultats)
Production:
déployer([0, 1, 1, 2, 1, 1, 0])
Remarques finales
Ceux-ci sont le 5 algorithmes de classement les plus populaires, il y a beaucoup plus et aussi des algorithmes avancés. Explorez-les plus loin. Connectons-nous LinkedIn
Merci d'avoir lu si vous êtes arrivé ici
Les médias présentés dans cet article ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.
