Clasificador de machine learning

Los clasificadores de machine learning se pueden usar para predecir. Dados datos de ejemplo (medidas), el algoritmo puede predecir la clase a la que pertenecen los datos.

Comience con datos de entrenamiento. Los datos de entrenamiento se alimentan al algoritmo de clasificación. Después de entrenar el algoritmo de clasificación (la función de ajuste), puede hacer predicciones.

Clasificación de machine learning

En el siguiente ejemplo, predecimos si se trata de un hombre o una mujer dados los datos vectoriales.

Empezamos con los datos de entrenamiento. En este ejemplo tenemos un conjunto de vectores (altura, peso, talla de calzado) y la clase a la que pertenece este vector:

X = [[190,70,44],[166,65,45],[190,90,47],[175,64,39],[171,75,40],[177,80,42],[160,60,38],[144,54,37]]
Y = ['male','male','male','male','female','female','female','female']

Defina un vector para su predicción en el mismo formato (altura, peso, tamaño). Si lo desea, también puede obtener esto desde la entrada de la consola:

Luego ajustamos los datos de entrenamiento y predecimos en este estilo:

c = Classifier()
c = c.fit(X,Y)
print "nPrediction : " + str(c.predict(P))

Eso nos da este código:

from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.neural_network import MLPClassifier
from sklearn.ensemble import RandomForestClassifier


X = [[190,70,44],[166,65,45],[190,90,47],[175,64,39],[171,75,40],[177,80,42],[160,60,38],[144,54,37]]
Y = ['male','male','male','male','female','female','female','female']


P = [[190,80,46]]


clf = DecisionTreeClassifier()
clf = clf.fit(X,Y)
print "n1) Using Decision Tree Prediction is " + str(clf.predict(P))


knn = KNeighborsClassifier()
knn.fit(X,Y)
print "2) Using K Neighbors Classifier Prediction is " + str(knn.predict(P))


mlpc = MLPClassifier()
mlpc.fit(X,Y)
print "3) Using MLPC Classifier Prediction is " + str(mlpc.predict(P))


rfor = RandomForestClassifier()
rfor.fit(X,Y)
print "4) Using RandomForestClassifier Prediction is " + str(rfor.predict(P)) +"n"

También te puede interesar estos artículos sobre Machine Learning:

Grandes multinacionales tecnológicas como Facebook, Google o Microsoft son pioneras en el uso del Deep Learning en sus productos y ...
La neuroevolución es una estrategia para modificar cargas, topologías o conjuntos de sistemas neuronales para familiarizarse con una tarea en ...
Un informe reciente de Gartner sostiene que la Inteligencia Artificial eliminará 1,8 millones de puestos de trabajo, en su mayoría ...
Este es el top 10 de empresas internacionales que utilizaron la combinación de estas dos tecnologías para mejorar su gestión ...
Con el advenimiento del machine learning y la inteligencia artificial, las máquinas se vuelven cada vez más avanzadas y sus ...
Una operadora de telefonía quiere saber qué clientes están en “riesgo” de darse de baja del servicio para realizar acciones ...

¿ Te ayudo esta publicación Clasificador de machine learning?
⬇️ Tu apoyo compartiendo me ayuda bastante.⬇️

5 comentarios en «Clasificador de machine learning»

  1. ¡Creo que el Clasificador de Machine Learning es más efectivo que la Clasificación! 🤔

  2. ¡Interesante debate! ¿Cuál es más efectivo, clasificador o clasificación en machine learning? 🤔

    • ¡Sin duda, el clasificador es más efectivo! La clasificación en machine learning es solo el primer paso, pero el clasificador es el que realmente toma decisiones y hace predicciones. ¡El debate está zanjado! 🤖💥

  3. ¡Creo que el Clasificador de machine learning es más efectivo que la Clasificación! 🤔🤖

    • ¡Interesante perspectiva! Personalmente, creo que la Clasificación es más versátil y adaptable a diferentes contextos. El Clasificador de machine learning puede ser efectivo, pero la experiencia humana y el criterio también son fundamentales en la toma de decisiones. ¿Qué opinas? 🤔🧐

Los comentarios están cerrados.