Скрипты к статьям (RU)

PartI - Глубокие нейросети (Часть I). Подготовка данных

PartII - Глубокие нейросети (Часть II). Разработка и выбор предикторов

PartIII - Глубокие нейросети (Часть III). Выбор примеров и уменьшение размерности

PartIV - Глубокие нейросети (Часть IV). Создание, обучение и тестирование модели нейросети

PartV - Глубокие нейросети (Часть V). Байесовская оптимизация гиперпараметров DNN

PartVI - Глубокие нейросети (Часть VI). Ансамбль нейросетевых классификаторов: bagging//

PartVII - Глубокие нейросети (Часть VII). Ансамбль нейросетей: stacking

PartVIII - Глубокие нейросети (Часть VIII). Повышение качества классификации bagging ансамблей

В статье рассмотрим три возможных метода повышения качества классификации bagging ансамблей полученных в предыдущей статье. Первый - обработка шумовых примеров несколькими способами. Второй - выбор оптимальных порогов перевода непрерывных предсказаний в метки классов. Третий - объединение нескольких ансамблей в суперансамбль а их предсказания каскадно голосованием простым большинством. Кроме этого мы рассмотрим насколько оптимизация гиперпараметров нейросетей ELM и параметров постпроцессинга (обрезка и усреднение) влияют на качество классификации ансамбля. В заключение проведем анализ результатов и определим какие методы наиболее эффективны для повышения качества классификации ансамблей.

Scripts to articles (EN)

PartI - Deep Neural Networks (Part I). Preparing Data

PartII -Deep Neural Networks (Part II). Working out and selecting predictors

PartIII -Deep Neural Networks (Part III). Sample selection and dimensionality reduction

PartIV - Deep Neural Networks (Part IV). Creating, training and testing a model of neural network

PartV - Deep Neural Networks (Part V). Bayesian optimization of DNN hyperparameters

PartVI - Deep Neural Networks (Part VI). Ensemble of neural network classifiers: bagging