Публикации по теме 'analytics'
Тест хи-квадрат для начинающих
Итак, вы начали свое путешествие в области аналитики данных и статистического анализа и застряли на тесте хи-квадрат, разберитесь с тестом хи-квадрат с помощью примера.
Согласно статье в Википедии:
критерий хи-квадрат (также критерий хи-квадрат или критерий χ2 ) – это тест статистической гипотезы , используемый при анализе таблицы непредвиденных обстоятельств при больших размерах выборки. Проще говоря, этот тест в основном используется для проверки того, являются ли две..
Интуиция многомерных адаптивных регрессионных сплайнов (MARS)
Многомерные адаптивные регрессионные сплайны, широко известные как MARS, — это алгоритм, который лучше всего подходит для многомерных и сложных наборов данных нелинейных отношений. Его можно рассматривать как обобщенную форму пошаговой регрессии (пошаговая регрессия сначала выполняет прямой выбор, когда она начинает загрузку модели, а затем сокращает или отбирает назад, чтобы удалить переменные, которые не помогают значительно снизить частоту ошибок).
Он строит кусочно-линейную..
Розничная аналитика: новый и интуитивно понятный способ поиска заменителей и дополнений
Розничная аналитика: анализ данных для розничной торговли
Retail Industry занимается продажей товаров и услуг покупателям. Имея много доступной истории покупок потребителей, мы можем применять аналитику данных для правильного прогнозирования потребностей в запасах, движения цепочки поставок, размещения товаров, отношений между товарами для рекомендации и т. Д., Что соответствует термину Retail Analytics.
Одна из важных частей Retail Analytics - найти взаимосвязь между такими..
Что подразумевается под «стратифицированным сплитом»?
Что подразумевается под «стратифицированным сплитом»?
Стратифицированное разделение (Py) помогает нам разделить наши данные на 2 выборки (например, данные обучения и данные испытаний) с дополнительной функцией указания столбца для стратификации (например, мы указываем переменную Возраст как столбец для стратификации, после чего разделение выполняется таким образом, что каждое уникальное значение возраста входит в оба набора данных (Train/test ), В общем, это способ сделать подмножества из..
Анализ информационного потока в сообществе Twitter (эго)
Тематическое моделирование для понимания информационных тем и ролей пользователей в сообществах Twitter
Важное примечание: Загрузите этот файл записной книжки и откройте его в своем браузере.
Это поможет вам следить за своими действиями, поскольку многие диаграммы ИНТЕРАКТИВНЫ. (Это означает, что вы можете поиграть с ними, увеличивать, уменьшать панораму, сохранять, более четко видеть надписи и т. Д.)
На первом этапе этого проекта я начал с мотивации лучше понять мир..
Визуализировать анализ главных компонентов
В следующей статье я собираюсь использовать очень базовую терминологию и определения для описания анализа главных компонентов. Я всего лишь пытаюсь дать четкую визуализацию того, что на самом деле PCA делает с данными. Я не буду углубляться в математику и другие теоретические вещи. Существуют различные другие источники для изучения математики, лежащие в основе PCA. Также поделюсь полезной ссылкой в конце статьи. Итак, не теряя времени, перейдем к нашей сегодняшней теме.
Анализ..
Аналитика в реальном времени с Presto и Apache Pinot - Часть II
Это сообщение в блоге - вторая часть из двух частей, посвященных использованию Presto с Apache Pinot . Вы можете найти первую часть здесь о том, как системы аналитики находят компромисс между задержкой и гибкостью.
Получите лучшее из обоих: коннектор Presto Pinot Connector
Продолжая первую часть этой серии, мы сосредоточимся на коннекторе Presto Pinot Connector . На диаграмме ниже показано соотношение задержки и гибкости между Presto и Pinot.
В Presto пользователи получают..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
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..