Regras:
- um classificador por resposta
- vote se você concorda
- voto negativo / remover duplicatas.
- coloque seu aplicativo no comentário
machine-learning
classification
application
Lewukasz Lew
fonte
fonte
Regressão logística :
fonte
Máquina de vetor de suporte
fonte
Discriminante regularizado para problemas supervisionados com dados ruidosos
Link para o artigo original de 1989 de Friedman et al . Aqui . Além disso, há uma explicação muito boa de Kuncheva em seu livro " Combinando classificadores de padrões ".
fonte
Árvores aumentadas gradiente.
fonte
Classificador de Processo Gaussiano - fornece previsões probabilísticas (que são úteis quando as frequências de classe relativa operacional diferem daquelas em seu conjunto de treinamento ou equivalem a cinquenta seus custos de falso positivo / falso negativo são desconhecidos ou variáveis). Ele também fornece uma incidência da incerteza nas previsões do modelo devido à incerteza na "estimativa do modelo" a partir de um conjunto de dados finito. A função de covariância é equivalente à função de kernel em um SVM, portanto, ela também pode operar diretamente em dados não vetoriais (por exemplo, strings ou gráficos etc.). A estrutura matemática também é legal (mas não use a aproximação de Laplace). Seleção automatizada de modelos via maximização da probabilidade marginal.
Combina essencialmente boas características de regressão logística e SVM.
fonte
Regressão logística regularizada por L1.
fonte
kNN
fonte
Bayes ingênuos e baías ingênuas aleatórias
fonte
K-significa agrupamento para aprendizado não supervisionado.
fonte