Публикации по теме 'algorithms'
Процесс решения проблем
(см. раздел 1.1, 1.2 ULLDSA)
Моделирование проблемы как дискретной математической структуры
Имея проблему , которую необходимо решить, мы можем моделировать определенные аспекты проблемы, переводя ее в одну или несколько дискретных математических структур (ДМС). Например. проблема светофора может быть смоделирована с использованием структуры графа.
Представление дискретной математической структуры в виде абстрактного типа данных
Математическая модель может быть..
Полное руководство по алгоритмам дерева решений
Овладейте искусством принятия решений с помощью этого всеобъемлющего руководства по алгоритмам дерева решений. Узнайте, как создавать точные прогнозы и принимать решения на основе данных.
Алгоритмы дерева решений — популярный и мощный инструмент, используемый в машинном обучении и интеллектуальном анализе данных. Они используются для выявления закономерностей в больших наборах данных и прогнозирования на основе этих закономерностей. В этом подробном руководстве мы рассмотрим все, что..
Как создать алгоритм нечеткого поиска на Python
Вся нечеткость Python
Несколько месяцев назад мой коллега по PeriShip YiQing Lan обратился ко мне с проблемой определения правильного клиента из плохо отформатированных данных о доставке. В то время он уже запускал код в продакшене. Они были реализованы в обычных операторах if-else. YiQing интересовался, могу ли я придумать лучший способ улучшить коэффициент соответствия.
Первое, что я сделал с нашим аналитиком и YiQing, - это создал набор правил, управляющих процессом..
Алгоритмы на основе деревьев 1: деревья решений
В этой статье вы получите общее представление о деревьях решений, строительном блоке современных алгоритмов машинного обучения, таких как XGBoost и LightGBM. Сначала мы подробно рассмотрим принцип работы, а затем реализуем его с помощью Scikit-Learn.
Алгоритмы машинного обучения на основе дерева зарекомендовали себя как первые алгоритмы в отрасли. Когда проблема дается для решения, большинство людей сначала обращаются к этим алгоритмам, даже если они могут быть более дорогими в..
Цифровой оракул: увлекательное погружение в будущее с помощью технологического волшебства
Изучение искусства прогнозирования с игривым подходом к данным и алгоритмам
С незапамятных времен люди увлекались взглядом в будущее. Мы перепробовали все: древнегреческие оракулы, Нострадамуса и даже старую добрую горячую линию экстрасенсов.
Но теперь, благодаря технологическому колдовству, мы можем обратиться к всевидящему, всезнающему цифровому оракулу!
Возможно, вам интересно, что же такое цифровой оракул.
Представьте себе технически подкованного гадалку,..
Сортировка массива по проблеме четности
Объяснил два подхода в JavaScript и Ruby
В этом посте я расскажу, как я решил проблему Сортировать массив по четности на LeetCode .
Дан массив A неотрицательных целых чисел, вернуть массив, состоящий из всех четных элементов A , за которыми следуют все нечетные элементы A .
Вы можете вернуть любой массив ответов, удовлетворяющий этому условию.
Example:
Input: [3,1,2,4]
Output: [2,4,3,1]
The outputs [4,2,3,1], [2,4,1,3], and [4,2,1,3] would also be accepted.
Есть..
То самое дерево🎹
Вопрос
Имея корни двух бинарных деревьев p и q , напишите функцию, проверяющую, совпадают ли они или нет.
Два бинарных дерева считаются одинаковыми, если они структурно идентичны, а узлы имеют одинаковое значение.
Пример 1:
Input: p = [1,2,3], q = [1,2,3]
Output: true
Пример 2:
Input: p = [1,2], q = [1,null,2]
Output: false
Пример 3:
Input: p = [1,2,1], q = [1,1,2]
Output: false
Ограничения:
Количество узлов в обоих деревьях..
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..