head() returns - the first five sets of the dataframe
5 steps to building a machine learning model - 1. choosing a class of model
2. choose hyperparameters
3. arrange data
4. fit the model
5. predict
a silhouette score of 1 is the [best/worst] and -1 is the [best/worst] score - best, worst
a...
QMB3302 Final .head() returns - the first five sets of the dataframe 5 steps to building a machine learning model - 1. choosing a class of model 2. choose hyperparameters 3. arrange data 4. fit the model 5. predict a silhouette score of 1 is the [best/worst] and -1 is the [best/worst] score - best, worst advantages of linear regression models - easy to implement, interpret, and train can reduce overfitting with cross validation extrapolation beyond particular data set are naive bayes suitable for high or low dimension databases? - high bagging - makes use of an ensemble (a grab bag, perhaps) of parallel estimators, each of which over -fits the data, and averages the results to find a better classification behavior of validation curves depend on two things - model complexity and number of training points best source of info on parameters that can be used in models (eg random forest) - the scikit learning documentation centroids - points dropped around the numbers in order to measure a distance. points are assigned to the cluster, and the mean of those points create a new centroid classification in machine learning - a type of supervised learning where the goal is to assign input data points to predefined categories or classes classification problems - approximates a mapping function from input variables to identify discrete output variables, which can be labels or categories decision tree random forest K means neural networks cluster centers are - number of clusters chosen randomly to begin clustering cluster centers are updated - iteratively to minimize the within cluster sum of squares cluster regression - improves accuracy of linear regression by splitting training space into subspaces (K) Clustering Algorithms - to segment customers into different clusters to be able to target specific promotions to them clustering algos do what - measure distance bw observations does not necessarily mean two values or dimensions coefficient of determination - r^2 common uses for random forest algorithms - classification and regression
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper ACADEMICMATERIALS. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €7,35. Je zit daarna nergens aan vast.
