Публикации по теме 'data-science'
Варианты использования положительной изотропной кривизны, часть 3 (машинное обучение)
Сжимающиеся солитоны Риччи с положительной изотропной кривизной (arXiv)
Автор : Китон Нафф
Аннотация: Мы показываем, что в размерностях n≥12 неплоские полные градиентно сжимающиеся солитоны с равномерно положительной изотропной кривизной (PIC) должны быть частными либо круглой сферы Sn, либо цилиндра Sn−1×R. Мы также наблюдаем, что в размерностях n≥5 полный солитон, сжимающий градиент, который является строго PIC и слабо PIC2, должен быть фактором либо круглой сферы Sn, либо..
Как работает сокращение параметров, часть 1 (машинное обучение)
Преодоление катастрофического забывания с помощью мягкого сокращения параметров (arXiv)
Автор: Цзянь Пэн , Цзян Хао , Чжо Ли , Энцян Го , Сяохун Ван , Дэн Минь , Цин Чжу , Хайфэн Ли .
Аннотация: Катастрофическое забывание — это проблема непрерывного обучения, когда глубокая нейронная сеть забывает знания, полученные в предыдущей задаче, после обучения на последующих задачах. Однако существующие методы пытаются найти совместное распределение параметров, общее для всех задач...
Работа с извлечением отношений, часть 3 (машинное обучение)
Идентификатор объекта: основанная на анализе естественного текста платформа для извлечения отношений сущностей (arXiv)
Автор: Эль Мехди Чоухам , Джессика Лопес Эспехель , Махаман Санусси Яхая Алассан , Валид Дахане , Эль Хассан Эттифури .
Аннотация: В области программирования существует множество парадигм, которые используются в соответствии с рабочей структурой. Хотя современные методы генерации нейронного кода способны обучаться и генерировать код непосредственно из текста, мы..
Прогнозирование на основе временных рядов: несезонные модели ARIMA
Модели ARIMA (p, d, q) предоставляют другой подход к прогнозированию временных рядов, и это очень популярная форма статистического метода модели Бокса-Дженкинса. Авторегрессионная интегрированная скользящая средняя может быть полезна в различных областях, таких как статистика, для измерения событий, происходящих за период, а также может быть полезна для прогнозирования будущих значений в серии. Что входит в состав этой модели?
Давайте посмотрим на определение AR, I и MA.
Модели..
Изучите любые данные с помощью настраиваемого интерактивного веб-приложения: наука о данных со спортом
Узнайте, как создать интерактивное многоразовое веб-приложение для исследовательского анализа данных с помощью ведущих инструментов визуализации данных Plotly и Streamlit (включая данные и код)
Большинство хороших проектов с данными начинаются с того, что аналитик что-то делает, чтобы почувствовать данные, с которыми он имеет дело.
Они могут собрать блокнот Jupyter, чтобы просматривать сводки данных, первые несколько строк данных и диаграммы matplotlib. Некоторые могут просматривать..
Логистическая регрессия с использованием набора данных диабетиков Pima Indian
Логистическая регрессия в машинном обучении является частью класса алгоритмов обучения с учителем, используемых для прогнозирования вероятности возникновения события. Для задачи бинарной классификации, такой как наличие или отсутствие диабета, алгоритм выводит вероятность (от 0 до 1) каждой точки данных с использованием независимых переменных. Хотя пороговое значение можно изменить, вероятность, равная или превышающая 0,5, указывает на то, что событие произойдет (наличие диабета), а..
Объяснение и практическое описание машин опорных векторов с ядрами
С помощью Scikit-Learn и Google Colab
Машина опорных векторов — это алгоритм, используемый для регрессии и классификации на основе уникальной линейной модели, что означает фиксированную линию или фиксированную плоскость для различения или прогнозирования меток. Это приводит к строгой модели, которая не может классифицировать данные определенного типа, особенно если данные перекрываются в двух или более категориях. Подробнее о SVM можно прочитать в моих предыдущих статьях:
и..
Новые материалы
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..
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..