Suponiendo que las características no son ordinales (e incluso si lo son), comenzaría con ingenuos bayes.
Maneja las características categóricas correctamente y, a menudo, produce resultados sorprendentemente buenos. Puede configurarlo fácilmente con R (solo reemplace los datos del iris con sus datos):
#get the data data<-iris #get data statistics summary(data) #split to train and test randomly index<-1:nrow(data) train<-sample(index,100) test<-index[-train] #install the needed package for Naive Bayes (called e1071) if(require("e1071")==FALSE) install.packages("e1071") #create an instance of the Naive Bayes classifier classifier<-naiveBayes(data[train,1:4], data[train,5]) #predict results<-predict(classifier, data[test,-5]) #show results table(results, data[test,5]) También puede encontrar una implementación en Python, Weka, RapidMiner y, básicamente, en cualquier otra plataforma de análisis.
- ¿Cuál es una explicación intuitiva del algoritmo wake-sleep?
- ¿De qué sirven los algoritmos de aprendizaje si no podemos pensar por nuestra cuenta?
- Cómo guardar un modelo de red neuronal de convolución después del entrenamiento
- ¿Por qué los científicos no definen la inteligencia de tal manera que pueda implementarse artificialmente en un software, como si pudiéramos crear luz artificialmente?
- ¿Se puede usar la detección de características / descripción de características para la clasificación de imágenes con redes neuronales artificiales?
