Обработка естественного языка (Natural Language Processsing, НЛП, ОЕЯ) – это область Искусственного интеллекта (AI), которая дает машинам возможность читать, понимать и извлекать значение из человеческих языков. Все, что мы выражаем устно или письменно, несет в себе огромное количество информации. Тема, которую мы выбираем, наш тон, выбор слов – все это добавляет какой-то тип информации, которую можно интерпретировать и извлечь из нее ценность. Теоретически мы можем понять и даже предсказать поведение человека, используя эту информацию...
🖥 Линейный дискриминантный анализ (LDA). Принцип работы и реализация с нуля на Python Держите полезную статью) LDA — алгоритм классификации и понижения размерности, позволяющий производить разделение классов наилучшим образом. Основная идея LDA заключается в предположении о многомерном нормальном распределении признаков внутри классов и поиске их линейного преобразования, которое максимизирует межклассовую дисперсию и минимизирует внутриклассовую. Некоторые мысли из статьи: ⏩LDA может быть предпочтительнее логистической регрессии в ряде случаев. ⏩Алгоритм LDA включает расчет априорных вероятностей и средних значений признаков, а также нахождение собственных векторов и значений. ⏩Существуют другие подходы к решению задач через нахождение собственных векторов, такие как сингулярное разложение и метод наименьших квадратов. ⏩Модификации LDA, такие как квадратичный дискриминантный анализ (QDA), гибкий дискриминантный анализ (FDA) и ядерный дискриминантный анализ (KDA), улучшают качество модели и увеличивают количество задач, в которых его можно применить. ⏩Регуляризация поддерживается в LDA и его модификациях через степень сжатия ковариационной матрицы. 📎 Статья @machinelearning