نویسنده(های): سورادیپ پال
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
تصور کنید بخشی از گروهی هستید که سعی میکند یک تصمیم مهم بگیرد. برخی از اعضا تجربه بیشتری در زمینه های خاص دارند، در حالی که برخی دیگر ممکن است در جنبه های مختلف برتر باشند. با ترکیب نظرات همه، احتمالاً تصمیم بهتری نسبت به تکیه بر قضاوت یک فرد خواهید گرفت. این اساساً همان کاری است که یادگیری گروهی در آن انجام می دهد یادگیری ماشینیو امروز، ما روی یکی از قدرتمندترین تکنیکهای آن تمرکز میکنیم – گروههای رأیگیری.
بنابراین، دست و پنجه نرم کنید! ما در حال کشف چگونگی کارکرد این روش، دلیل موثر بودن آن، و بله، چگونه می توانید آن را در پایتون پیاده سازی کنید.
قبل از اینکه بخواهیم به این موضوع بپردازیم، بیایید یک ایده واضح تر از آنچه که مجموعه رای دادن در مورد چیست به دست آوریم. تصور کنید از گروهی از دوستانتان می خواهید که در انتخاب رستوران به شما کمک کنند. برخی به پیتزا رأی می دهند، برخی دیگر به سوشی، اما رستورانی که بیشترین رأی را داشته باشد برنده می شود، درست است؟ این همان اصل است که یک گروه رای گیری در آن اعمال می شود یادگیری ماشینی: از چندین مدل (“دوستان” خود) می خواهید پیش بینی کنند و رای اکثریت به عنوان پاسخ نهایی در نظر گرفته می شود.
اما این در عمل چگونه کار می کند، به خصوص زمانی که با وظایف طبقه بندی و رگرسیون سر و کار دارید؟ بیایید آن را تجزیه کنیم.
در مجامع رای گیری عموماً… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی