Casa Finanza personale Algoritmi di classificazione utilizzati in Data Science - dummies

Algoritmi di classificazione utilizzati in Data Science - dummies

Video: MATEMATICA - La matematica nel mondo contemporaneo - Accademia dei Lincei e SNS - 28 febbraio 2019 2025

Video: MATEMATICA - La matematica nel mondo contemporaneo - Accademia dei Lincei e SNS - 28 febbraio 2019 2025
Anonim

Con gli algoritmi di classificazione, prendi un set di dati esistente e usa ciò che sai a riguardo per generare un modello predittivo da utilizzare nella classificazione dei futuri punti di dati. Se il tuo obiettivo è utilizzare il set di dati e i suoi sottoinsiemi noti per creare un modello per la previsione della categorizzazione dei futuri punti di dati, ti consigliamo di utilizzare gli algoritmi di classificazione.

Quando si implementa la classificazione supervisionata, è necessario conoscere i sottoinsiemi dei dati: questi sottoinsiemi sono chiamati categorie . La classificazione aiuta a vedere quanto bene i dati si inseriscono nelle categorie predefinite del set di dati in modo da poter creare un modello predittivo da utilizzare nella classificazione dei futuri punti di dati.

La figura illustra come appare la classificazione dei set di dati sulla rendita e sull'istruzione della Banca Mondiale in base alla categoria Continente.

Puoi vedere che, in alcuni casi, i sottoinsiemi che potresti identificare con una tecnica di clustering corrispondono alla categoria dei continenti, ma in altri casi no. Ad esempio, guarda l'unico paese asiatico nel mezzo dei punti dati africani. Quello è il Bhutan. È possibile utilizzare i dati in questo set di dati per creare un modello che preveda una categoria di continente per i punti di dati in entrata.

Ma se hai introdotto un punto dati per un nuovo paese che mostra statistiche simili a quelle del Bhutan, allora il nuovo paese potrebbe essere classificato come facente parte del continente asiatico o del continente africano, a seconda su come definisci il tuo modello.

Ora immagina una situazione in cui i tuoi dati originali non includono il Bhutan e utilizzi il modello per prevedere il continente del Bhutan come nuovo punto dati. In questo scenario, il modello avrebbe erroneamente predetto che il Bhutan è parte del continente africano.

Questo è un esempio di overfitting del modello - situazioni in cui un modello è così strettamente adattato al suo set di dati sottostante, così come il rumore o l'errore casuale insito in quel set di dati, che il modello si comporta male come predittore di nuovi punti dati.

Per evitare il sovradattamento dei modelli, dividere i dati in un set di allenamento e un set di test. Un rapporto tipico consiste nell'assegnare l'80 percento dei dati nel set di allenamento e il restante 20 percento nel set di test. Costruisci il tuo modello con il set di allenamento, quindi usa il set di test per valutare il modello fingendo che i punti di dati del set di test siano sconosciuti. È possibile valutare l'accuratezza del modello confrontando le categorie assegnate a questi punti di dati del set di test dal modello alle categorie vere.

Anche la sovratensazione del modello può essere un problema. Overgeneralization è l'opposto dell'overfitting: accade quando uno scienziato di dati cerca di evitare la classificazione dovuta al sovraffollamento rendendo estremamente generico un modello. I modelli troppo generici finiscono per assegnare a ogni categoria un basso livello di sicurezza.

Per illustrare la generalizzazione del modello, considerare nuovamente i set di dati relativi al reddito e all'istruzione della Banca mondiale. Se il modello utilizzava la presenza del Bhutan per gettare dubbi su ogni nuovo punto dati nelle sue vicinanze, allora si finisce con un modello inondante che considera tutti i punti vicini come africani ma con una bassa probabilità. Questo modello sarebbe un cattivo esecutore predittivo.

Una buona metafora per il sovraffondamento e l'overgeneralization può essere illustrata attraverso la ben nota frase: "Se cammina come un'anatra e parla come un'anatra, allora è un'anatra. "L'overfitting trasformerebbe questa frase in" è un'anatra se, e solo se, cammina e caga esattamente nel modo in cui personalmente ho osservato un'anatra camminare e ciarlare. Dal momento che non ho mai osservato il modo in cui un'anatra chiazzata australiana cammina e caga, un'anatra maculata australiana non deve essere affatto un'anatra. "

Al contrario, l'overgeneralization direbbe," Se si muove su due gambe ed emette un suono nasale acuto, è un'anatra. Pertanto, Fran Fine, il personaggio di Fran Drescher nella sitcom americana degli anni '90 The Nanny deve essere un'anatra. "

Apprendimento automatico supervisionato - il termine di fantasia per la classificazione - è appropriato in situazioni in cui sono vere le seguenti caratteristiche:

  • Conosci e comprendi il set di dati che stai analizzando.

  • I sottoinsiemi (categorie) del set di dati vengono definiti in anticipo e non sono determinati dai dati.

  • Si desidera creare un modello che mette in correlazione i dati all'interno delle sue categorie predefinite in modo che il modello possa aiutare a prevedere la categorizzazione dei futuri punti di dati.

Quando si esegue la classificazione, tenere presente i seguenti punti:

  • Le previsioni del modello sono valide solo come i dati sottostanti del modello. Nell'esempio dei dati della Banca Mondiale, potrebbe accadere che, se altri fattori come l'aspettativa di vita o il consumo di energia pro capite fossero aggiunti al modello, la sua forza predittiva potrebbe aumentare.

  • Le previsioni del modello sono valide solo come la classificazione del set di dati sottostante. Ad esempio, che cosa fai con paesi come la Russia che attraversano due continenti? Distingui il Nord Africa dall'Africa sub-sahariana? Metti in crisi il Nord America con l'Europa perché tendono a condividere attributi simili? Consideri l'America Centrale parte del Nord America o del Sud America?

C'è un costante pericolo di sovralimentazione e overgeneralization. Un mezzo felice deve essere trovato tra i due.

Algoritmi di classificazione utilizzati in Data Science - dummies

Scelta dell'editore

Il programma in cinque passaggi per superare la menopausa - dummy

Il programma in cinque passaggi per superare la menopausa - dummy

Alcune donne capiscono a malapena che la menopausa è loro. Altre donne, tuttavia, sono meno fortunate. Se sei uno di questi, prendi in mano questi pochi modi per rendere la tua esperienza più facile per te stesso: capisci e accetta che stai attraversando una transizione naturale, proprio come la pubertà. Fortunatamente, sei più vecchio e più saggio di te ...

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa segna la fine della fase riproduttiva della tua vita e così è un momento significativo di cambiamento fisico, emotivo e mentale per molte donne ma, per generazioni, donne di tutte le età hanno vagato alla cieca in menopausa senza sapere cosa aspettarsi. Qui puoi scoprire alcune delle nozioni di base.

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Mestruazioni e menopausa sono ben noti biologici pietre miliari nella vita di una femmina. Contrariamente al pensiero popolare, la menopausa non è il periodo di mesi o anni in cui una donna sta "attraversando il cambiamento". "Questo lasso di tempo è chiamato perimenopausa. La menopausa è una data effettiva nel tempo. In particolare, è il 12 ° anniversario dell'ultimo ciclo mestruale di una donna. ...

Scelta dell'editore

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

È Possibile creare un filtro automatico personalizzato . Per fare ciò, seleziona il comando Filtro testo dal menu della tabella e scegli una delle opzioni di filtro del testo. Indipendentemente dall'opzione di filtro del testo selezionata, Excel visualizza la finestra di dialogo Filtro automatico personalizzato. Questa finestra di dialogo consente di specificare con estrema precisione quali record si desidera ...

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

DPRODUCT moltiplica i valori che corrispondono al criterio in un database Excel. Questo è potente ma anche in grado di produrre risultati che non sono l'intenzione. In altre parole, è una cosa da aggiungere e ricavare una somma. Questa è un'operazione comune su un set di dati. Osservando la seguente figura, è possibile ...

Come utilizzare la funzione DPRODUCT in Excel - dummy

Come utilizzare la funzione DPRODUCT in Excel - dummy

La funzione DPRODUCT in Excel è strana. La funzione DPRODUCT moltiplica i valori nei campi da un elenco di database in base ai criteri di selezione. Perché vorresti farlo? Chissà. La funzione utilizza la sintassi = DPRODUCT (database, campo, criteri) in cui il database è un riferimento all'intervallo alla tabella di Excel che contiene il valore desiderato ...

Scelta dell'editore

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Ci sono un paio di cose a cui vuoi pensare quando riutilizzi i nomi nella tua app per Android. È possibile dichiarare due variabili Java - bag1 e bag2 - per fare riferimento a due diversi oggetti BagOfCheese. Va bene. Ma a volte, avere solo una variabile e riutilizzarla per il secondo oggetto funziona altrettanto bene, ...

Java: Mettere a frutto l'uso della classe - dummies

Java: Mettere a frutto l'uso della classe - dummies

La classe Employee nell'elenco non ha alcun metodo principale , quindi non c'è un punto di partenza per l'esecuzione del codice. Per risolvere questo problema, il programmatore scrive un programma separato con un metodo principale e utilizza tale programma per creare istanze Employee. Questo elenco di codici mostra una classe con un metodo principale - uno che inserisce il ...

Classi wrapper java - dummies

Classi wrapper java - dummies

La differenza tra tipi primitivi e tipi di riferimento è una delle funzionalità più controverse di Java e gli sviluppatori si lamentano spesso sulle differenze tra valori primitivi e valori di riferimento. Ogni tipo primitivo viene cotto nella lingua. Java ha otto tipi primitivi. Ogni tipo di riferimento è una classe o un'interfaccia. È possibile definire il proprio ...