ВикиЧтение

Содержание

ВикиЧтение

Предсказываем тренды. С Rattle и R в мир моделей классификации
Александр Фоменко

5. Результативность классификационных моделей

В предыдущей части этой книги мы сосредоточились на создании и оценке моделей с непрерывной целевой переменной. Теперь сосредоточимся на создании и оценке моделей с категориальной целевой переменной. Многие методы моделирования регрессии могут использоваться и для классификации. Однако оценка результативность моделей классификации отличается, начиная таких с метрик, как RMSE и R², которые не соответствуют идеологии классификации.

Данный текст является ознакомительным фрагментом.

Организация материала
Текущее состояние
Часть 1. Введение в предсказательное моделирование
1.1. Анализ, прогноз, предсказание
1.2. Процесс предсказательного моделирования
1.3. Терминология
1.4. Используемые наборы данных
2. Предварительная обработка данных
2.1. Преобразование отдельных предикторов
2.2. Преобразование групп предикторов
2.3. Обработка пропущенных значений
2.4. Удаление предикторов
2.5. Добавление предикторов
2.6. Группировка предикторов
2.6. Функции R
3. Переобучение и настройка модели
3.1. Проблема переобучения
3.2. Настройка модели
3.3. Разделение данных
3.4. Методы ресемплирования
3.5. Функции R
4.1. Результативность регрессионных моделей
4.2. Линейные регрессионные модели
4.3. Нелинейные регрессионные модели
4.4. Регрессионные деревья
4.5. Бутстрэп агрегированные деревья (bagging)
4.6. Случайный лес (random forest)
4.7. Усиление (boosting)
4.8. Функции R
5. Результативность классификационных моделей
5.1. Предсказания класса
5.2. Основы предсказаний классов
6. Линейные классификационные модели
6.1. Логистическая регрессия
6.2. Линейный дискриминантный анализ (LDA)
6.3. Регрессия частично наименьших квадратов (PLS)
6.4. Функции R
7. Нелинейные классификационные модели
7.1. Нейронные сети
7.2. Машины опорных векторов (SVM)
7.3. K-ближайшие соседи (KNN)
7.4. Функции R
8. Классификационные деревья
8.1. Основные классификационные деревья
8.2. Бутстрэп агрегированные деревья
8.3. Случайные леса
8.4. Усиление
8.5. Функции R
9.1. Влияние несбалансированности классов
9.2. Настройка модели
9.3. Случай неравных весов
9.4. Методы сэмплирования
9.5. Обучение, чувствительное к стоимости
9.6. Функции R
10. Значимость предикторов для целевой переменной
10.1. Метрики значимости, полученной из моделей
10.2. Независимые от модели метрики
10.3. Другие подходы
10.4. Функции R
11. Выбор предикторов
11.1. Следствия использования неинформативных предикторов
11.2. Подходы для сокращения количества предикторов
11.3. Методы обертки
11.4. Методы фильтра
11.5. Выбор смещения
11.6. Инструменты R для выбора предикторов 11.6.1. Пакет Boruta
11.7. Функции R
Часть 2. Краткое описание Rattle
12.1. Интерфейс Rattle
12.2. Введение в моделирование с Rattle
12.3. Построение модели