Публикации по теме 'data-mining'
Основные проблемы интеллектуального анализа данных
Ниже приведены основные проблемы, с которыми сегодня сталкивается интеллектуальный анализ данных:
Методология майнинга:
Различные и новые виды знаний производятся каждый божий день. Добыча знаний в многомерном пространстве. Работа с шумом, неопределенностью и неполнотой данных. Оценка паттернов и добыча полезных ископаемых на основе паттернов или ограничений Междисциплинарные усилия, то есть многие предметы.
Взаимодействие с пользователем:
Интерактивный майнинг — это..
Использование машинного обучения для прогнозирования NBA All-Stars, часть 1: сбор данных
Сквозное глубокое погружение для количественного исследования отбора Матчей всех звезд НБА.
Что именно нужно для того, чтобы стать Матчем звезд НБА? Как давний фанат баскетбола, это была забавная и полезная задача, в которую можно было погрузиться и исследовать.
В этой статье будут рассмотрены различные методы сбора данных, которые я использовал для создания набора исторических данных, необходимого для решения этой проблемы.
Ссылка, чтобы увидеть моделирование, прогнозы и..
Наука о данных - «старая» история
Добавление перспективы в науку о данных
Одна из основных вещей, которая отличает нас (homo-sapiens) от других видов животных, - это наша способность воображать , определять закономерности и принимать действенные решения на основе этого понимания. Это помогло нам выжить в самых тяжелых условиях и покорить эту планету. Мы сделали это путем эффективной « обработки » доступных нам « данных ». В первые дни люди вырабатывали новые стратегии выживания, выявляя закономерности в..
Введение в интеллектуальный анализ данных: практическое руководство
Интеллектуальный анализ данных — это процесс извлечения полезной информации и знаний из больших наборов данных. Это междисциплинарная область, в которой используются методы статистики, машинного обучения и управления базами данных. Интеллектуальный анализ данных может использоваться в широком спектре приложений, таких как маркетинг, финансы, здравоохранение и научные исследования.
Цель интеллектуального анализа данных
Основная цель интеллектуального анализа данных — выявить..
То, что вы слышали о науке о данных… правда? (Наука о данных — это не то, что вы думаете)
Наука о данных — это не создание сложных моделей или выдающихся визуализаций и не написание кода. Наука о данных больше связана с использованием данных для оказания влияния на компании. Какое воздействие?
Воздействие несколькими способами, такими как идеи, рекомендации продуктов или продукты данных. Для выполнения таких задач вам нужны сложные модели, визуализация данных или написание кода.
Но на самом деле ваша работа как ученого данных состоит в том, чтобы решить проблему,..
Сбор данных
1. Введение в интеллектуальный анализ данных и инструменты
Небольшое предисловие
Интеллектуальный анализ данных, который иногда называют обнаружением знаний из данных (KDD), - это просто обнаружение закономерностей среди данных. Эта область превратилась в науку, помимо модуля информационных технологий, с его растущими вариантами использования во всех областях. Эта статья - первая из серии статей, которые я собирался опубликовать по интеллектуальному анализу данных, начиная с простых..
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..