இயந்திரக் கோளாறு கணிப்பு

திட்டக் கண்ணோட்டம்

இயந்திர நிலை வகைப்படுத்தலுக்கான மாதிரிகளை ஒப்பிடுதல்.

வலுவான சமநிலையற்ற இயந்திர-தவறு தரவுத்தொகுப்பிற்கான குழும-வகைப்படுத்தல் ஆய்வு. பணிப்பாய்வு பயிற்சி, நுழைவுத் தேர்வு மற்றும் இறுதி மதிப்பீடு ஆகியவற்றைப் பிரிக்கிறது, துல்லியம் மட்டும் இல்லாமல் தவறு-கண்டறிதல் வர்த்தக பரிமாற்றங்களைப் புகாரளிக்கிறது.

• Python
• இயந்திரக் கற்றல்
• கூட்டணிக் கற்றல்
• மதிப்பீடு

இந்தப் படைப்பிற்குள்

• 678 தவறுகளுடன் தயாரிக்கப்பட்ட 20,000 பதிவுகள் மற்றும் 2,579 செல்கள் விடுபட்ட பயிற்சி-பொருத்தப்பட்ட முன்செயலாக்கத்தைப் பயன்படுத்தி.
• ஒருங்கிணைந்த முடிவு மரம், சீரற்ற காடு, சாய்வு அதிகரிப்பு, AdaBoost, K-அருகில்-அருகில் மற்றும் லாஜிஸ்டிக்-பின்னடைவு மதிப்பீடுகள்.
• நிலையான சீரற்ற தொடக்கமதிப்பைப் பயன்படுத்தி 12,000 பயிற்சிப் பதிவுகள், வரம்பு சரிபார்ப்புக்கான 4,000 பதிவுகள் மற்றும் 4,000 சோதனைப் பதிவுகளைப் பிரித்தது.
• 181 வேட்பாளர்கள் முழுவதும் F1 சரிபார்ப்பு மூலம் 0.455 முடிவு வரம்பு தேர்ந்தெடுக்கப்பட்டது.
• தனியே ஒதுக்கிய சோதனைத் தரவில் precision 0.5932, recall 0.7721, F1 0.6709 எனப் பதிவானது; 136 கோளாறுகளில் 105 கண்டறியப்பட்டன, மேலும் 72 தவறான எச்சரிக்கைகள் ஏற்பட்டன.
• 17 சோதனைகளைச் சேர்த்தது மற்றும் ஒற்றை-தரவுத்தொகுப்பு, தற்காலிகமற்ற மதிப்பீட்டு வரம்பை ஆவணப்படுத்தியது; வெளிப்புற தொழிற்சாலை சரிபார்ப்பு மற்றும் அளவுத்திருத்தம் ஆகியவை நிறுவப்படவில்லை.

மூலக் குறியீடும் இணைப்புகளும்