Опубликовано чт, 02/18/2021 - 16:23 пользователем Ksenia
Функция sklearn predict_proba().
Подходит для решающего дерева,случайного леса, логистической регрессии.
count_probabilities = model.predict_proba(df)
Опубликовано чт, 01/28/2021 - 02:20 пользователем Ksenia
model = DecisionTreeClassifier(random_state=5678, max_depth=4)
Опубликовано вт, 01/26/2021 - 09:15 пользователем Ksenia
from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier()
Опубликовано вт, 01/26/2021 - 09:15 пользователем Ksenia
Библиотека scikit-learn
Возможности
- препроцессинг, предобработка;
- выбор модели;
- регрессии;
- классификации;
- кластерный анализ;
- уменьшение размерности.
Задачи подготовки данных к ML: стандартизация, нормализация данных, кодирование категориальных переменных.
Выбор модели
Возможности: перекрестная проверка, настройка гиперпараметров моделей с помощью поиска по сетке и др.