Modelo de perceptrón único
Se puede usar un solo modelo de perceptrón para verificar si los datos son linealmente separables o no. Aplique el algoritmo de casco convexo a los datos para averiguar si se superponen o no. Si se superponen, desafortunadamente no son linealmente separables.
- Cómo gestionar el big data
- ¿Cuál es la explicación intuitiva de la curva ROC en estadística?
- ¿Cuál es el mejor instituto para aprender ciencia de datos en línea?
- En ciencia de datos, ¿qué tema es más útil saber sobre análisis de series temporales o procesos estocásticos?
- ¿Qué clases debería tomar en Columbia si quiero ser un científico de datos?
Aquí se superponen. Esas líneas son cascos.
Fuente de la imagen: – https://www.researchgate.net/fig…
Máquinas de vectores soporte
Otra forma es aplicar SVM con núcleos. El algoritmo intenta dividir los datos usando hiperplanos. Esté atento a los residuos. Si está presente, desafortunadamente los datos no son linealmente separables.
Nota: – El izquierdo es no lineal y el derecho es linealmente separable. Diferentes datos necesitan diferentes núcleos y un buen valor de parámetro se ajusta a ellos.
Fuente de la imagen: – Ayúdame a comprender la separabilidad lineal en un SVM binario
Visualización de datos
Esto es un poco informal en comparación con los dos métodos anteriores. El enfoque es como siempre tradicional. Intenta trazar los datos en una trama 2D y busca el patrón. Use la intuición para determinar si es separable con una línea recta o no. Ejemplo,
Fuente de la imagen: – Prueba de separabilidad lineal
Referencias,
- Prueba de separabilidad lineal
- Ayúdame a entender la separabilidad lineal en un SVM binario
- Casco convexo – Wikipedia