Публикации по теме 'correlation'
Концепции статистики в науке о данных
Почему статистика
Статистика представляет информацию в простой форме.
Дает вам представление о данных, над которыми вы работаете.
В этом блоге мы будем работать с набором данных, чтобы понять несколько концепций статистики.
Набор данных представляет собой список полов, роста и веса.
Импортируйте необходимые библиотеки
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
Прочитайте данные и получите первые строки DataFrame
data =..
Сила методов фильтрации при выборе признаков для машинного обучения
Выбор подходящих функций для включения в модель — один из самых важных этапов, которые специалист по данным может предпринять для создания успешной модели машинного обучения. Процедура поиска и выбора наиболее подходящих и информативных функций из набора данных для реализации при создании прогностической модели называется выбором функций . Для выбора функций доступно несколько видов методов, включая методы фильтрации, методы-оболочки и методы внедрения.
В следующем сообщении блога мы..
Корреляционная матрица, демистифицированная
Корреляционная матрица: что такое, как строится и для чего используется
В последних статьях этой мини-серии о статистических индексах (которая изначально создавалась на основе моего опыта преподавателя в Datamasters.it ) мы уже изучали дисперсию, стандартное отклонение, ковариацию и корреляцию . В этой статье мы сосредоточимся на структуре данных, описанной в предыдущей статье, которая, когда я начал изучать машинное обучение, буквально взорвала мой мозг, и не потому, что это..
наука о данных | Коэффициент ранговой корреляции Спирмена
Коэффициент ранговой корреляции Спирмена
В корреляции Спирмена мы измеряем силу и направление монотонной связи между двумя ранжированными переменными по сравнению с корреляцией Пирсона, которая измеряет линейную связь между двумя переменными.
Итак, у нас есть монотонная ассоциация и ранжированные переменные.
Формула ранговой корреляции Спирмена
«di» — это разница в парных рангах (абсолютное значение) и n = количество случаев.
Что такое ранжированные переменные?..
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..