私は、マークに基づいていくつかの大学によって選ばれた多くの学生のデータを持っています。 Iamは機械学習に新しい。私はいくつかの提案を持つことができますどのように私は、彼らが自分のマークに基づいて取得することができ大学を予測するためのAzureの機械学習を追加することができます機械学習の提案
機械学習の提案
答えて
多クラスロジスティック回帰を試してみてください - また、ロジスティック回帰は別に、このhttps://gallery.cortanaanalytics.com/Experiment/da44bcd5dc2d4e059ebbaf94527d3d5b?fromlegacydomain=1
を見て、 @neerajkhが示唆したように、私も同様に試してみます One vs All classifiers。この方法はマルチクラスの問題(学生の印である入力が多いと仮定します)と多くの出力(さまざまな大学)でうまく動作するように使います。
1つのアルゴリズムとすべてのアルゴリズムを実装するには、Support Vector Machines(SVM)を使用します。それは最も強力なアルゴリズムの1つです(深い学習が現れるまでここで深く学習する必要はありません)
フレームワークを変更することができれば、私はPythonライブラリを使用することをお勧めします。 pythonでは、直面している問題を非常に速く計算するのは非常に簡単です。
すばらしい答えだと思います! –
マルチクラス分類を使用する他のポスターの提案に沿って、人工ニューラルネットワーク(ANN)/多層パーセプトロンを使用してこれを行うことができます。各出力ノードは大学であり、Sigmoid伝達関数(ロジスティック)を使用するため、各ノードの出力は、その大学が特定の学生を受け入れる確率(予測しようとするとき)として直接見ることができます。
softmax回帰を試してみませんか?
非常に簡単な言葉で言えば、Softmaxは入力を受け取り、それぞれのクラスに属する入力の確率分布を生成します。つまり、いくつかの入力(この場合はグレード)に基づいて、あなたのモデルは、与えられたスーセントが各大学に受け入れられるべき「チャンス」を表す確率分布を出力することができます。
私はこれが古いスレッドだと知っていますが、私は先に進んで2セントも追加します。
マルチクラス、マルチラベル分類子を追加することをおすすめします。これにより、学生のために複数の大学を見つけることができます。もちろんこれはANNではるかに簡単ですが、設定するのがはるかに難しくなります(ネットワークの設定、ノード/隠れノードの数、またはその機能についての活性化機能など)。
これを@Hoap Humanoidとして行う最も簡単な方法は、サポートベクター分類器を使用することです。
これらの方法のいずれかを実行するには、多様なデータセットが必要です。私はあなたが実験しなければならないデータポイントの数を言うことはできませんが、モデルの精度はデータポイントの数とその多様性に依存します。
これは非常に主観的です。カテゴリに分類するアルゴリズムを適用するだけでは良い考えではありません。探索的データ解析を実行すると、以下のことをチェックしないで、あなたは離れて欠損値から、やって予測分析の確認することはできません。
- 量的および質的変数。
- 単変量、二変量および多変量分布。
- 応答(大学)変数との可変関係。
- 異常値を検索する(多変量および単変量)。
- 必要な変数変換。
- 候補者がカリフォルニアやニューヨークの大学の一部であるかどうかなど、Y変数をチャンク(例:場所)に分解することができます。カリフォルニアの可能性が高い場合は、どの大学に進学するのですか?このようにして、線形+非線形関係を捕捉することができます。
ベース学習者のためにあなたが本当に非直線的な関係のためにたくさんとCARTの重要されません全てのロジスティック回帰対ソフトマックス回帰モデルまたは1を収めることができます。また、K-nnとK-meansを使って、データ内のさまざまなグループをチェックし、予測学習者を決定します。
これは意味があると思います!
最小自乗支援ベクトルマシン(LSSVM)は、このアプリケーションの強力なアルゴリズムです。詳細についてはhttp://www.esat.kuleuven.be/sista/lssvmlab/をご覧ください。
使用randomforesttreesとマルチクラス分類
- 1. C#の機械学習ライブラリ
- 2. 機械学習のヌルクラス
- 3. 機械学習 - 分類アルゴリズム
- 4. 反復機械学習アルゴリズム
- 5. 機械学習 - SVM機能融合テクニック
- 6. 機械学習の階層分類トップダウンアプローチ
- 7. 機械学習用の外部GPU
- 8. 機械学習で学習曲線とは何ですか?
- 9. 簡単に学習機械プログラム
- 10. 機械学習の学習に最適なプログラミング言語は何ですか?
- 11. ハッカーのための機械学習のコードのstrsplit(unitspec、 "")のエラー
- 12. 機械学習のためのwekaのチュートリアル
- 13. 多くのレベルの要素を扱うR機械学習パッケージ
- 14. クラスタリングのためのC/C++機械学習ライブラリ
- 15. 興味深いNLP /機械学習スタイルのプロジェクト - プライバシーポリシーの分析
- 16. noob学習のアンドロイドの開発...必要な提案
- 17. qlikのセンスとリソースの学習に関する提案
- 18. 教師付き機械学習の履歴ラベル
- 19. 大規模な機械によるウェブデータの学習
- 20. データ圧縮 - 指数分布の機械学習
- 21. 機械学習によるデータの重複除外
- 22. パリティ機能の学習に成功した機械学習アルゴリズムはありますか?
- 23. map reduceモデルを適用できない機械学習アルゴリズム
- 24. 機械学習ライブラリはs +(またはR)ですか?
- 25. Azure機械学習で入力サイズを指定
- 26. 新しい機械学習プロジェクトにCommon Lispを使用する
- 27. 古典的なAI、オントロジー、機械学習、ベイジアン
- 28. 序数データを学習できる機械学習回帰アルゴリズムはありますか?
- 29. 機械学習のためのApache spark mllib.linalgベクトルとspark.utilベクトルの違い
- 30. 機械学習の問題におけるパラメータの相互依存
あるOneVsRestClassiferにこのMLアルゴリズムを養うロジスティック回帰がFalseクラスの真として出力を与えるようええ、それは行うことができます。これにより、マークのどの値がTrueであるかをチェックすることができます。 –