Перейти к содержанию

Искусственный интеллект. Машинное обучение — книга №2 серии «Искусственный интеллект»

Автор:

5,0 230+ оценок читателей Рунета
Категория
книги о компьютерах
Год издания
Издательство
Автор
Возрастное ограничение
12+
Обновлено
25.09.2026

Аннотация

Исследуйте мир машинного обучения с этой книгой, предназначенной для тех, кто стремится погрузиться в фундаментальные принципы и передовые методы этой динамично развивающейся области. От введения в основные концепции до глубокого погружения в продвинутые техники и приложения, каждая глава представляет собой комплексное исследование, подкрепленное практическими примерами и советами. Будучи ориентиром как для начинающих, так и для опытных практиков, данная книга поможет вам освоить ключевые навыки, необходимые для эффективного применения методов машинного обучения в реальных задачах.

Читать «Искусственный интеллект. Машинное обучение» — Джейд Картер онлайн

Страница 5 из 15

– Метод опорных векторов (SVM)

– Деревья решений и их ансамбли (случайный лес, градиентный бустинг)

Рассмотрим каждый метод подробнее.

Логистическая регрессия:

Логистическая регрессия – это мощный метод в машинном обучении, который широко применяется для решения задач классификации, особенно в ситуациях, когда необходимо предсказать, принадлежит ли объект к одному из двух классов. Несмотря на название, логистическая регрессия на самом деле используется для бинарной классификации, где целевая переменная принимает одно из двух возможных значений.

Центральным элементом логистической регрессии является логистическая функция, также известная как сигмоидальная функция. Она преобразует линейную комбинацию признаков в вероятность принадлежности объекта к определенному классу. Это позволяет модели выдавать вероятности принадлежности к каждому классу, что делает ее особенно полезной для задач, требующих оценки уверенности в предсказаниях.

В процессе обучения логистическая регрессия настраивает параметры модели, минимизируя функцию потерь, такую как кросс-энтропия. Этот процесс обучения можно реализовать с использованием различных оптимизационных методов, таких как градиентный спуск.

Логистическая регрессия имеет несколько значительных преимуществ. Во-первых, она проста в интерпретации, что позволяет анализировать вклад каждого признака в принятие решения моделью. Кроме того, она эффективна в вычислении и хорошо масштабируется на большие наборы данных. Также важно отметить, что у логистической регрессии небольшое количество гиперпараметров, что упрощает процесс настройки модели.

Однако у логистической регрессии также есть свои ограничения. Во-первых, она предполагает линейную разделимость классов, что ограничивает ее способность моделировать сложные нелинейные зависимости между признаками. Кроме того, она чувствительна к выбросам и может давать непредсказуемые результаты в случае наличия значительного количества выбросов в данных. Тем не менее, при правильном использовании и учете этих ограничений, логистическая регрессия остается мощным инструментом для решения широкого спектра задач классификации.

Пример 1

Давайте представим, что у нас есть набор данных о покупках клиентов в интернет-магазине, и мы хотим предсказать, совершит ли клиент покупку на основе его предыдущих действий. Это может быть задача бинарной классификации, которую мы можем решить с помощью логистической регрессии.

Задача:

Наша задача – на основе информации о клиентах и их действиях на сайте (например, время проведенное на сайте, количество просмотренных страниц, наличие добавленных товаров в корзину и т. д.), предсказать, совершит ли клиент покупку или нет.

Решение:

Для решения задачи предсказания покупок клиентов в интернет-магазине мы использовали модель логистической регрессии. Это классический метод бинарной классификации, который подходит для таких задач, где требуется определить вероятность принадлежности объекта к одному из двух классов.

Сначала мы загрузили данные о клиентах из файла "customer_data.csv" с помощью библиотеки pandas. Этот набор данных содержал информацию о различных признаках клиентов, таких как время проведенное на сайте, количество просмотренных страниц, наличие добавленных товаров в корзину и другие. Кроме того, для каждого клиента было указано, совершил ли он покупку (целевая переменная).

Далее мы предварительно обработали данные, если это было необходимо, например, заполнили пропущенные значения или закодировали категориальные признаки. Затем мы разделили данные на обучающий и тестовый наборы с использованием функции `train_test_split` из библиотеки scikit-learn.

После этого мы создали и обучили модель логистической регрессии с помощью класса `LogisticRegression` из scikit-learn на обучающем наборе данных. Затем мы использовали обученную модель, чтобы сделать предсказания на тестовом наборе данных.

Наконец, мы оценили качество модели, вычислив метрики, такие как точность (`accuracy`), матрица ошибок (`confusion_matrix`) и отчет о классификации (`classification_report`). Эти метрики помогают нам понять, насколько хорошо модель справляется с поставленной задачей классификации и какие ошибки она допускает.

Таким образом, с помощью модели логистической регрессии мы можем предсказывать вероятность совершения покупки клиентом на основе его поведения на сайте, что может быть полезно для принятия решений о маркетинговых стратегиях, персонализации предложений и улучшении пользовательского опыта.

Код решения:

```python

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# Загрузка данных

data = pd.read_csv("customer_data.csv")

# Предобработка данных

# Например, заполнение пропущенных значений, кодирование категориальных признаков и т.д.

# Разделение данных на обучающий и тестовый наборы

X = data.drop('purchase', axis=1) # признаки

y = data['purchase'] # целевая переменная

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Обучение модели логистической регрессии

model = LogisticRegression()

model.fit(X_train, y_train)

# Предсказание на тестовом наборе

y_pred = model.predict(X_test)

# Оценка качества модели

accuracy = accuracy_score(y_test, y_pred)

conf_matrix = confusion_matrix(y_test, y_pred)

class_report = classification_report(y_test, y_pred)

print("Accuracy:", accuracy)

print("Confusion Matrix:\n", conf_matrix)

print("Classification Report:\n", class_report)

```

Этот код загружает данные о клиентах, разделяет их на обучающий и тестовый наборы, обучает модель логистической регрессии на обучающем наборе, предсказывает целевую переменную на тестовом наборе и оценивает качество модели с помощью метрик, таких как точность, матрица ошибок и отчет о классификации.

Перед выполнением этого кода необходимо убедиться, что данные находятся в файле "customer_data.csv" и соответствуют описанной выше структуре. Кроме того, предварительная обработка данных (например, заполнение пропущенных значений, кодирование категориальных признаков) может потребоваться в зависимости от конкретного набора данных.

Метод k ближайших соседей (k-NN):

Метод k ближайших соседей (k-NN) представляет собой простой и интуитивно понятный алгоритм классификации, который основан на принципе "похожесть привлекает". Он оперирует идеей о том, что объекты, находящиеся близко в пространстве признаков, склонны принадлежать к одному и тому же классу.

В процессе классификации нового объекта алгоритм ищет k ближайших объектов в обучающем наборе данных, используя заданную метрику расстояния (например, евклидово расстояние). Затем он присваивает этому объекту класс, который наиболее часто встречается среди соседей (например, с помощью голосования).

Одним из основных преимуществ метода k-NN является его простота и интуитивная понятность. Он не требует сложной предварительной обработки данных или параметров для обучения во время этапа обучения, что делает его привлекательным для быстрого прототипирования и начального анализа данных. Кроме того, k-NN хорошо работает на небольших наборах данных и может быть эффективным в задачах с небольшим числом классов.

Однако у метода k-NN есть и недостатки. Во-первых, он может быть вычислительно затратным, особенно при большом количестве объектов в обучающем наборе данных, поскольку требуется вычисление расстояний до всех объектов. Кроме того, к-NN чувствителен к выбросам и шуму в данных, так как классификация нового объекта зависит от близости к соседям, и наличие выбросов может привести к неправильной классификации.

В целом, метод k ближайших соседей остается полезным инструментом в арсенале алгоритмов машинного обучения, особенно в случае небольших наборов данных и когда требуется быстрое решение задачи классификации без сложной предварительной настройки. Однако необходимо учитывать его ограничения и применять его с осторожностью в случае больших объемов данных или данных с выбросами.

Пример 1

Задача:

Представим, что у нас есть набор данных о студентах, включающий их оценки за различные учебные предметы, а также информацию о других характеристиках, таких как время, проведенное за учебой, уровень учебной мотивации и т.д. Наша задача состоит в том, чтобы предсказать, будет ли студент успешно сдавать экзамен по математике (например, получит оценку выше 70 баллов) на основе этих данных.

Описание процесса решения:

1. Подготовка данных: Сначала мы загрузим данные и проанализируем их структуру. Мы можем выделить признаки, такие как оценки за другие предметы, время, проведенное за учебой, и использовать их в качестве признаков для обучения модели.

2. Разделение данных: Далее мы разделим наши данные на обучающий и тестовый наборы. Обучающий набор будет использоваться для обучения модели, а тестовый – для проверки ее качества на новых данных.

3. Обучение модели: Затем мы выберем алгоритм классификации для решения задачи. В данном случае мы можем использовать метод k ближайших соседей (k-NN) из-за его простоты и интуитивной понятности. Мы обучим модель на обучающем наборе данных, передавая ей оценки за другие предметы и другие характеристики в качестве признаков, а целевая переменная будет указывать на успешность сдачи экзамена по математике.

4. Оценка качества модели: После обучения модели мы оценим ее качество на тестовом наборе данных, вычислив метрики, такие как точность классификации, матрица ошибок и отчет о классификации.

Код решения:

```python

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.neighbors import KNeighborsClassifier

from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# 1. Подготовка данных

data = pd.read_csv("student_data.csv")

# 2. Разделение данных на обучающий и тестовый наборы

X = data.drop('Math_Exam_Result', axis=1) # признаки

y = data['Math_Exam_Result'] > 70 # целевая переменная (бинарная)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 3. Обучение модели (метод k-NN)

knn_model = KNeighborsClassifier(n_neighbors=5)

knn_model.fit(X_train, y_train)

# 4. Оценка качества модели

y_pred = knn_model.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)

conf_matrix = confusion_matrix(y_test, y_pred)

class_report = classification_report(y_test, y_pred)

print("Accuracy:", accuracy)

print("Confusion Matrix:\n", conf_matrix)

print("Classification Report:\n", class_report)

```

Перед выполнением этого кода необходимо убедиться, что данные находятся в файле "student_data.csv" и соответствуют описанной выше структуре. Кроме того, предварительная обработка данных (например, заполнение пропущенных значений, кодирование категориальных признаков) может потребоваться в зависимости от конкретного набора данных.

Метод опорных векторов (SVM):

Метод опорных векторов (SVM) является одним из самых популярных алгоритмов в машинном обучении, применимым как для задач классификации, так и для регрессии. Он основан на поиске гиперплоскости в пространстве признаков, которая максимально разделяет объекты разных классов. Этот подход делает SVM особенно эффективным при работе с данными, которые могут быть линейно разделимы, что позволяет ему обеспечить высокую точность классификации.

Одним из основных преимуществ SVM является его способность максимизировать зазор между классами, что делает его устойчивым к переобучению. Это означает, что даже при наличии ограниченного количества обучающих данных SVM может дать хорошие результаты. Благодаря этой устойчивости он успешно применяется в таких областях, как биомедицинская диагностика, финансовая аналитика и распознавание образов.

SVM, используемый в машинном обучении, обладает уникальной возможностью описывать нелинейные взаимосвязи между признаками при помощи ядерных функций. Это особенно важно в случаях, когда данные имеют сложную структуру и не могут быть линейно разделены в исходном пространстве признаков.

Ядерные функции (kernel functions) – это математические функции, которые позволяют преобразовывать данные из исходного пространства признаков в пространство более высокой размерности. Они играют ключевую роль в методе опорных векторов (SVM), позволяя моделировать сложные нелинейные зависимости между признаками, которые не могут быть эффективно разделены в исходном пространстве.

Использование ядерных функций позволяет SVM строить оптимальную разделяющую гиперплоскость в новом пространстве, где данные становятся линейно разделимыми. Это делает SVM гибким методом, который может успешно применяться к различным типам данных и задачам машинного обучения, включая как классификацию, так и регрессию.

Некоторые из наиболее распространенных ядерных функций включают в себя линейное ядро, полиномиальное ядро, радиальное базисное функциональное ядро (RBF), сигмоидное ядро и другие. Каждая из этих функций имеет свои уникальные характеристики и может быть более или менее подходящей в зависимости от конкретной задачи и особенностей данных.

Эта гибкость делает SVM универсальным методом, который может быть применен к разнообразным типам данных, таким как текст, изображения, временные ряды и другие. Например, в задачах анализа текста SVM может эффективно выявлять нелинейные зависимости между словами и классифицировать тексты по их содержанию или тональности.

Другим примером применения SVM с ядерными функциями является анализ медицинских изображений. SVM может использоваться для классификации изображений с медицинскими снимками, такими как рентгенограммы или снимки МРТ, на основе их характеристик и признаков. При этом ядерные функции позволяют учитывать сложные пространственные и текстурные особенности изображений, что делает SVM мощным инструментом для диагностики и обработки медицинских данных.

Таким образом, использование ядерных функций в SVM делает его гибким и универсальным методом, который может успешно решать широкий спектр задач машинного обучения, включая задачи с нелинейными зависимостями между признаками.

Однако, несмотря на его многочисленные преимущества, SVM имеет и свои недостатки. Он чувствителен к выбору параметров, таких как параметр регуляризации и ядерная функция, что требует тщательной настройки. Кроме того, вычислительная сложность SVM может быть значительной, особенно при работе с большими объемами данных, что требует высокой вычислительной мощности.

Пример 1