พื้นฐานของรูปแบบการจำแนกประเภทสำหรับการคาดการณ์การวิเคราะห์ - มัมมี่

เมื่อคุณมีเครื่องมือและข้อมูลทั้งหมดที่จำเป็นในการเริ่มสร้างรูปแบบการคาดการณ์แล้วความสนุกสนานจะเริ่มขึ้น โดยทั่วไปการสร้างแบบจำลองการเรียนรู้สำหรับงานจัดหมวดหมู่จะเป็นไปตามขั้นตอนต่อไปนี้:

โหลดข้อมูล
เลือกตัวจำแนกประเภท
ฝึกแบบจำลอง
เห็นภาพโมเดล
ทดสอบโมเดล
ประเมินโมเดล

ทั้งสองแบบการถดถอยโลจิสติกและรูปแบบการจำแนกแบบเวคเตอร์รองรับ (SVM) ทำได้ค่อนข้างดีโดยใช้ชุดข้อมูล Iris

Sepal ความยาว	Sepal Width	ความยาวของ Petal	ความกว้างของกลีบ	Target Class / Label
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)

น่าสนใจคือแบบจำลองการถดถอยโลจิสติกที่มี C = 150 มีพล็อตผิวการตัดสินใจที่ดูดีกว่า C = 1 แต่ไม่ได้ผลดีกว่า ไม่ได้เป็นเรื่องใหญ่นักพิจารณาว่าชุดทดสอบมีขนาดเล็กมาก หากเลือกการสุ่มแยกระหว่างชุดการฝึกและชุดทดสอบผลอาจแตกต่างกันเล็กน้อย

สำหรับชุดข้อมูลขนาดใหญ่ที่มีข้อมูลที่ไม่สามารถแยกได้เป็นแบบ linearly คุณคาดว่าผลลัพธ์จะเบี่ยงเบนไปมากยิ่งขึ้น นอกจากนี้การเลือกรูปแบบที่เหมาะสมจะกลายเป็นเรื่องยากมากขึ้นเนื่องจากความซับซ้อนและขนาดของข้อมูล เตรียมพร้อมที่จะใช้เวลาในการปรับพารามิเตอร์ให้พอดี

เมื่อสร้างโมเดลที่คาดการณ์ไว้ให้ลองใช้อัลกอริทึมเพียงไม่กี่ขั้นตอนและปรับแต่งพารามิเตอร์ของตนอย่างละเอียดจนกว่าคุณจะพบสิ่งที่ดีที่สุดสำหรับข้อมูลของคุณ จากนั้นเปรียบเทียบผลลัพธ์ของพวกเขากับแต่ละอื่น ๆ