Machine Learning-methoden worden gebruikt om het systeem te laten leren met behulp van methoden zoals supervised learning en unsupervised learning, die verder worden onderverdeeld in methoden zoals classificatie, regressie en clustering. Deze selectie van methoden hangt volledig af van het type dataset dat beschikbaar is om het model te trainen, aangezien de dataset gelabeld, niet-gelabeld of groot kan zijn. Er zijn verschillende toepassingen (zoals beeldclassificatie, voorspellende analyse, spamdetectie) die deze verschillende machine learning-methoden gebruiken. Tot nu toe heeft python de beste pakketten voor het implementeren en maken van ML-algoritmen. Ik heb ruime ervaring in het maken en implementeren van ML en gebruik Jupyter notebook of PyCharm om te helpen bij ML-modellering. Sommige methoden die ik gebruik bij ML-modellering zijn onder andere
- Regressie, zoals ridge regressie, SVR, logistieke regressie, lineaire regressie
- Instance-gebaseerd, bijvoorbeeld KNN en learning vector quantization
- Classifiers, bijvoorbeeld probabilistische classifier, decision trees, Naive Bayes, etc.
Enkele van de meest gebruikte libraries in python die ik gebruik zijn
- Keras
- Pytorch
- Tensorflow
- Numpy
- Pandas
- Scikit-learn
- Spark