Logistic regression linear regression naïve bayes knn Машиналық оқытудағы регрессия және классификация


ауа-райы бұлтты болған кезде ойнау ықтималдығын есептеу үшін оларды негізгі формуламызға қайтара аламыз



бет4/4
Дата04.11.2022
өлшемі1,22 Mb.
#47383
1   2   3   4
Байланысты:
SRS-NBAYES

ауа-райы бұлтты болған кезде ойнау ықтималдығын есептеу үшін оларды негізгі формуламызға қайтара аламыз.

P(Yes | Overcast) = 0.44 * 0.64 / 0.29 = 0.98

Ойнамау ықтималдығы :

Сол сияқты, бұлтты ауа-райында ешқандай спортпен айналыспау ықтималдығын есептей аламыз.

Алдымен, алдыңғы ықтималдықтарды есептейік.

P(Overcast) = 4/14 = 0.29

P(No)= 5/14 = 0.36

Келесі қадам артқы ықтималдықты есептеу болып табылады, ол:

P(Overcast | No) = 0/5 = 0

Бұл ықтималдықтарды негізгі формулаға қою арқылы біз мынаны аламыз:

P(No | Overcast) = 0 * 0.36 / 0.29 = 0

Класстың ықтималдығы жоғары екенін көреміз Playing,

сондықтан ауа-райы болса, Overcastойыншылар спортпен айналысады.

K-En Nearest Neighbor(KNN) машиналық оқыту алгоритмі

  • K-En Nearest Neighbor - бақыланатын оқыту әдісіне негізделген машиналық оқытудың қарапайым алгоритмдерінің бірі.
  • K-NN алгоритмі жаңа жағдай/деректер мен қолжетімді істер арасындағы ұқсастықты болжайды және жаңа істі қолжетімді санаттарға ең ұқсас санатқа қояды.
  • K-NN алгоритмі барлық қолда бар деректерді сақтайды және ұқсастық негізінде жаңа деректер нүктесін жіктейді. Бұл жаңа деректер пайда болған кезде оны K-NN алгоритмі арқылы ұңғымалар жиынтығы санатына оңай жіктеуге болады дегенді білдіреді.
  • K-NN алгоритмін регрессия үшін де, классификациялау үшін де қолдануға болады, бірақ ол негізінен Классификация есептері үшін қолданылады.
  • K-NN параметрлік емес алгоритм болып табылады , яғни ол негізгі деректерге ешқандай жорамал жасамайды.
  • Ол сондай-ақ жалқау оқушы алгоритмі деп аталады, өйткені ол оқу жинағынан бірден үйренбейді, оның орнына деректер жиынын сақтайды және жіктеу кезінде деректер жиынында әрекетті орындайды.
  • Жаттығу кезеңіндегі KNN алгоритмі жай ғана деректер жинағын сақтайды және ол жаңа деректерді алған кезде, ол деректерді жаңа деректерге ұқсас санатқа жіктейді.

K-NN қалай жұмыс істейді?


K-NN жұмысын төмендегі алгоритм негізінде түсіндіруге болады:
1-қадам: Көршілердің K санын таңдаңыз
2-қадам: Көршілердің K санының евклидтік қашықтығын есептеңіз
3-қадам: Евклидтік қашықтыққа сәйкес ең жақын көршілерді алыңыз.
4-қадам: Осы k көршілердің арасында әр санаттағы деректер нүктелерінің санын есептеңіз.
5-қадам: Көршінің саны ең көп болатын санатқа жаңа деректер нүктелерін тағайындаңыз.
6-қадам: Біздің модель дайын.

The end

  • The end


Достарыңызбен бөлісу:
1   2   3   4




©emirsaba.org 2024
әкімшілігінің қараңыз

    Басты бет