Bueno, aquí hay uno que es muy simple:
def predecir (y):
si (y> = 0):
volver 1
volver 0
¡Solo 4 líneas y clasificará correctamente cualquier ejemplo, sin ningún entrenamiento! ¿Qué tan asombroso es eso?
- ¿Cuál es la ventaja de combinar la red neuronal convolucional (CNN) y la red neuronal recurrente (RNN)?
- Si la tasa de predicción de un algoritmo de aprendizaje automático mantiene porcentajes bajos (50% a 60%) en un conjunto de datos, ¿cómo puedo mejorar?
- ¿Cuál es el mejor método para la reducción de dimensionalidad y la selección / extracción de características en datos de espectrometría de masas?
- ¿Cuáles son las mejores prácticas para garantizar que los datos adquiridos de la investigación que implica el análisis de Big Data resulten precisos y útiles?
- ¿Es posible entrenar a un RNN en una sola secuencia extremadamente larga?
Por supuesto, si el clasificador que desea no es la función de signo anterior, es posible que desee utilizar un perceptrón. Puedes escribir uno de esos en menos de un minuto. Son bastante utiles.
Oh, si quieres algo más que un clasificador lineal que no sea bueno para lidiar con el ruido, necesitarás algo más complejo. Tal vez una lista de decisiones? ¿Árbol de decisión? SVM? Ingenuo Bayes?
De hecho, déjame ser directo: no quieres ser rápido en la creación del algoritmo. Debe tomarse el tiempo suficiente para resolver el problema y descubrir qué suposiciones puede hacer. Asegúrese de comprender todas las clases importantes de algoritmos de Machine Learning que existen (no solo Deep Learning), y comprenda el poder y las limitaciones de cada uno.
Cuando haya descubierto qué conjunto de enfoques es probable que funcione, pruébelos todos en un pequeño conjunto de datos muestreado de sus datos para ver si hay alguno que claramente no será adecuado. Para los demás, utilice la validación cruzada para encontrar los mejores parámetros y compare.
Luego, ejecútelo en todo el conjunto de datos y tendrá su modelo.
Pero bueno, si realmente quieres algo rápido , te recomiendo un perceptrón. Son bastante ingeniosos, incluso si son un poco viejos.