Публикации по теме 'data-science'
Деревья решений
Понимание деревьев решений: прирост информации и примесь Джини
Деревья решений: обзор
Деревья решений — это фундаментальная концепция в машинном обучении и науке о данных. Они предлагают прозрачный и интуитивно понятный способ принятия решений, разбивая сложные проблемы на ряд более простых решений.
По своей сути дерево решений — это древовидная модель, которая принимает решения на основе набора условий. Каждый внутренний узел в дереве представляет решение, основанное на определенном..
Идентификация легендарных покемонов с помощью алгоритма случайного леса
Покемон, группа милых животных, мирно населяющих планету, пока люди не придут и не заставят их сражаться друг с другом, чтобы получить блестящие значки и право называть себя мастерами покемонов, звучит безумно, правда?
В этом мире существует группа редких и часто могущественных покемонов, известных как Легендарные покемоны .
К сожалению, нет четких критериев, которые определяют этих покемонов.
Единственный способ идентифицировать легендарного покемона - это заявления официальных..
Лучшее из исследований по самоконтролю 2023 часть 3
Сети кодера-декодера для самоконтролируемого предварительного обучения и регрессии полосы пропускания сигнала в нисходящем направлении на цифровых антенных решетках (arXiv)
Автор: Раджиб Бхаттачарджа , Натан Уэст .
Аннотация: В этой работе представлены первые приложения обучения с самоконтролем применительно к данным от цифровых антенных решеток. Сети кодер-декодер предварительно обучаются на данных цифрового массива для выполнения самоконтролируемой задачи реконструкции шума,..
Тенденции информационных технологий в Индии и мире
Глубокий анализ данных самых популярных и востребованных облачных платформ и языков программирования в Индии в 2021 году.
В этом процессе анализа данных мы будем работать с данными ежегодного опроса разработчиков StackOverflow, проведенного за 2021 год, чтобы понять текущие и будущие тенденции в области информационных технологий в Индии, и постараемся предоставить информацию о востребованных языках программирования и облачных платформах. в стране.
В Ежегодном опросе разработчиков..
Машинное обучение - графическая модель
Одно из основных различий между машинным обучением (ML) и глубоким обучением (DL) - это объем знаний в предметной области, необходимых для решения проблемы. Алгоритмы машинного обучения регулярно используют знания предметной области. Однако решение может быть необъективным, если знания неполны. Однако, если все будет сделано правильно, мы сможем решать проблемы более эффективно.
Графическая модель (GM) - это ветвь ML, которая использует граф для представления проблемы предметной..
Представляем: Agora, многомодальную исследовательскую коалицию искусственного интеллекта с открытым исходным кодом для развития человечества!
Представляем: Agora, многомодальную исследовательскую коалицию искусственного интеллекта с открытым исходным кодом для развития человечества!
Я с гордостью представляю Agora, исследовательскую коалицию с открытым исходным кодом, посвященную развитию области мультимодального ИИ с целью развития человечества и устранения величайших препятствий человечества, таких как болезни, смерть и наша зависимость от потребления.
Присоединяйтесь к нашему раздору, пока мы готовим это грандиозное..
Частота термина (TF) и обратная частота документа (IDF)
Частота термина (TF) и частота обратного документа (IDF) — это два термина, которые обычно используются в методах обработки естественного языка. Он используется, чтобы найти словосочетания и их вклад или влияние, или, скорее, мы можем сказать важность в любом данном предложении документа. Эти методы чаще используются в классификации настроений. Извлечение информации в виде эмоций из заданного слова облегчается, когда машина знает значение слова. Классификация положительных и..
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..