Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • CN2 Paladines

    Cargado por

    Ariana Sacon
    15 vistas5 páginas
    Este documento describe el uso de dos algoritmos de aprendizaje automático, CN2 Rule Induction y Calibrated Learner. Explica que CN2 solo funciona para clasificación y muestra cómo agregar un conjunto de datos y el algoritmo CN2 para construir un modelo. También explica que Calibrated Learner produce un modelo que calibra las probabilidades de clase y optimiza el umbral de decisión para tareas de clasificación binaria, mostrando cómo agregar datos, regresión logística y Calibrated Learner.

    Descripción original:

    Título original

    CN2 PALADINES

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    Este documento describe el uso de dos algoritmos de aprendizaje automático, CN2 Rule Induction y Calibrated Learner. Explica que CN2 solo funciona para clasificación y muestra cómo agregar un conjunto de datos y el algoritmo CN2 para construir un modelo. También explica que Calibrated Learner produce un modelo que calibra las probabilidades de clase y optimiza el umbral de decisión para tareas de clasificación binaria, mostrando cómo agregar datos, regresión logística y Calibrated Learner.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    15 vistas5 páginas

    CN2 Paladines

    Cargado por

    Ariana Sacon
    Este documento describe el uso de dos algoritmos de aprendizaje automático, CN2 Rule Induction y Calibrated Learner. Explica que CN2 solo funciona para clasificación y muestra cómo agregar un conjunto de datos y el algoritmo CN2 para construir un modelo. También explica que Calibrated Learner produce un modelo que calibra las probabilidades de clase y optimiza el umbral de decisión para tareas de clasificación binaria, mostrando cómo agregar datos, regresión logística y Calibrated Learner.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 5

    UNIVERSIDAD LAICA ELOY ALFARO DE MANABI

    EXTENSIÓN CHONE

    CARRERA:

    TECNOLOGÍA DE LA INFORMACIÓN

    PARALELO:

    “A”

    ASIGNATURA:

    INTELIGENCIA ARTIFICIAL

    TEMA:

    CN2 RULE INDICTION

    CALIBRATED LEARNER

    AUTORA:

    PALADINES FARIAS

    DOCENTE:

    ING. FABIAN DELGADO


    CN2 RULE INDUCTION

    CN2 Rule Induction solo funciona para la clasificación.

    agregamos un File con un conjunto de datos predeterminado

    añadimos el CN2 RULE INDUCTION


    añadimos un CN2 RULER VIEWER para revisar el modelo que se ha construido

    Rule Induction y Tree in Test & Score.


    Añadimos File conectado a Test & Score

    Luego conectamos un CN2 INDUCTION y un TREE


    CALIBRATED LEARNER

    Este alumno produce un modelo que calibra la distribución de probabilidades de clase y


    optimiza el umbral de decisión. El widget sólo funciona para tareas de clasificación
    binaria.
    Añadimos un File conectado a Test & Score

    Añadimos una REGRESION LOGISTICA. Utilizaremos Logistic Regression como


    aprendiz base que calibraremos con la configuración predeterminada
    Luego conectamos un CALIBRATED LEANER al FILE, LOGISTIC REGRESSION Y
    TEST AND SCORE

    También podría gustarte