שני ראשים, הם אומרים, עדיפים על אחד. לפעמים בפרויקטים רבים של למידת מכונה אנו רוצים להשתמש בכוח הסינרגיה באמצעות שיטות אנסמבל. ההצבעה ומסווג הערימה מביאים לנו את היתרון בשילוב של 2 או יותר מודלים של למידת מכונה לביצוע ניבוי גבוה יותר.

מסווג ההצבעה

כיצד להציג פרופיל טוויטר פרטי

מסווג ההצבעה פועל כמו מערכת בחירות שבה ניבוי לגבי נקודת נתונים חדשה מבוסס על מערכת הצבעה של חברי קבוצת מודלים של למידת מכונה. על פי התיעוד של scikit_learn, ניתן לבחור בין סוג ההצבעה הקשה לרכה.

סוג ההצבעה הקשה מיושם על תוויות מחלקות צפויות להצבעת שלטונות רוב. זה משתמש ברעיון של הרוב נושא את ההצבעה כלומר החלטה מתקבלת לטובת מי שיש לו יותר ממחצית מהקולות.

ה רַך ההצבעה, מנבא את תווית המעמד המבוססת על הארגמקס של סכומי ההסתברויות החזויות של מעריכי הפרט המרכיבים את ההרכב. ההצבעה הרכה לרוב מומלצת במקרה של הרכב של מסווגים מכוילים/מותאמים היטב.

לְמָשָׁל. אם דגם 1 מנבא ל , ו דגם 2 מנבא ב , ו דגם 3 מנבא ל . מסווג _ ההצבעה _ (עם הצבעה = 'קשה' ) החזרות ל . במקרה של שוויון, מסווג ההצבעה יבחר את המעמד בהתאם לסדר העולה.

#למידת מכונה #מדעי הנתונים #למידת סקיקים #בינה מלאכותית

לכיוון dataascience.com

שיטות אנסמבל: השוואת מסווג ההצבעה של Scikit Learn עם מסווג הערימה

שימוש במערך הנתונים של Titanic להשוואת מסווג ההצבעה של scikit learn לבין מסווג הערימה. שני ראשים, הם אומרים, עדיפים על אחד. לפעמים בפרויקטים רבים של למידת מכונה אנו רוצים להשתמש בכוח הסינרגיה באמצעות שיטות אנסמבל.