Video: Este creatia un model viabil al originii in era stiintifica moderna? - Dezbatere 2024
Odată ce aveți toate instrumentele și datele necesare pentru a începe să creați un model predictiv, distracția începe. În general, crearea unui model de învățare pentru sarcinile de clasificare va presupune următorii pași:
-
Încărcați datele.
-
Alegeți un clasificator.
-
Antrenează modelul.
-
Vizualizați modelul.
-
Testați modelul.
-
Evaluați modelul.
Atât modelele de clasificare logistică, cât și modelele de clasificare a modelelor de suport (SVM) funcționează destul de bine utilizând setul de date Iris.
Sepal Lungime | Sepal Lățime | Lungime petală | Lățime petală | Clasă țintă / etichetă |
---|---|---|---|---|
5. 1 | 3. 5 | 1. 4 | 0. 2 | Setosa (0) |
7. 0 | 3. 2 | 4. 7 | 1. 4 | Versicolor (1) |
6. 3 | 3. 3 | 6. 0 | 2. 5 | Virginica (2) |
Pentru un set mai mare de date cu date care nu pot fi separate liniar, vă așteptați ca rezultatele să devieze chiar mai mult. În plus, alegerea modelului adecvat devine din ce în ce mai dificilă din cauza complexității și dimensiunii datelor. Fiți pregătiți să vă petreceți o mare parte din timpul acordat parametrilor pentru a obține o potrivire ideală.
Atunci când creați modele predictive, încercați câțiva algoritmi și reglați exhaustiv parametrii acestora, până când găsiți ce funcționează cel mai bine pentru datele dvs. Apoi comparați rezultatele lor unul împotriva celuilalt.