Публикации по теме 'data-science'
Чего стоит ваш клиент в течение всей жизни?
Оцените пожизненную ценность (LTV) вашего клиента без подписки с помощью Python, чтобы разработать соответствующие стратегии удержания и минимизировать отток.
В одном из моих предыдущих постов мы обсуждали методы анализа выживаемости, чтобы предсказать, когда наши клиенты уйдут, вместе с индивидуальными стратегиями для минимизации ухода клиентов. Это было в условиях контракта, согласно которым смерть заключалась в том, что клиент прекращал или не продлевал свою подписку.
В этом..
Инста-фейк? Обнаружение поддельных аккаунтов в Instagram с помощью машинного обучения
Введение
Instagram, безусловно, является одной из самых популярных социальных сетей в мире. По данным Datareportal , к январю 2023 года его пользовательская база насчитывала 1,318 млрд человек по всему миру. Это означает, что около 21% всех людей старше 13 лет находятся на платформе.
С такой широкой аудиторией Instagram стал больше, чем просто платформа для обмена фотографиями. Люди используют его для маркетинга, для обмена своими политическими взглядами, в образовательных целях и для..
Мой новый словарь машинного обучения: какие термины вы бы добавили?
Краткое изложение самых популярных терминов, охватывающих нейронные сети, объяснимый ИИ, синтетические данные, тензоры, графовые модели, ансамблевые методы и т. д.
Верхние записи выделены жирным шрифтом, а подзаголовки — курсивом. Этот словарь из моей новой книги Интуитивное машинное обучение и объяснимый ИИ , доступной здесь и используемой в качестве справочного материала для одноименного курса (см. здесь ). Эти записи снабжены перекрестными ссылками в книге для облегчения навигации,..
Умные скидки с логистической регрессией | Машинное обучение с нуля (часть I)
Отправка кодов скидок избранным клиентам для увеличения прибыли
TL; DR В этой части вы создадите модель логистической регрессии с использованием Python с нуля. В процессе вы узнаете об алгоритме градиентного спуска и воспользуетесь им для обучения своей модели.
Серия "Машинное обучение с нуля":
Умные скидки с логистической регрессией Прогнозирование цен на жилье с помощью линейной регрессии Построение дерева решений с нуля в Python Извлечение цветовой палитры с..
Всестороннее руководство по обучению дерева решений для классификации
Деревья решений — это группа методов «разделяй и властвуй», в которой используется перевернутая древовидная структура для прогнозирования результата нашей проблемы. Модель предсказывает значение целевой переменной, используя простые правила принятия решений, выведенные из доступных функций. Дерево решений — это один из самых мощных методов прогнозной аналитики для создания бизнес-правил, который можно использовать как для регрессии , так и для классификации .
Он начинается с..
Типы и масштабы данных в описательной статистике
Описательная статистика помогает вам понять данные, но прежде чем мы поймем, что такое данные, мы должны знать различные типы данных в описательном статистическом анализе. Приведенный ниже экран поможет вам получить общее представление об этом.
Набор данных — это группа информации, которая связана друг с другом. Набор данных может быть качественным или количественным. Набор качественных данных состоит из слов, которые можно наблюдать, а не измерять. Набор количественных данных..
Бумеранг Сюжет
Визуализация для быстрого поиска обобщающих моделей
График aiqc boomerang визуализирует различные показатели производительности для каждого разделения (обучение, проверка, тестирование) для каждой модели в эксперименте. Когда точки трассировки модели плотно сгруппированы/точны, это означает, что модель обнаружила закономерности, которые распространяются на каждую совокупность.
🧮 Как оценить множество тюнингованных моделей
Представьте, что вы только что обучили большую группу..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..