Публикации по теме 'data-science'
Понимание того, как школы работают с каноническим корреляционным анализом
Введение в канонический корреляционный анализ с помощью Python
Мы, специалисты по данным, тратим большую часть времени на анализ взаимосвязей и закономерностей в наших данных. Однако большинство наших исследовательских инструментов ориентированы на индивидуальные отношения. Но что, если мы хотим получить более общее представление и найти общие черты и закономерности между определенными группами переменных?
Этот пост включает:
введение в канонический корреляционный анализ,..
Прогнозирование неожиданностей с помощью машинного обучения
Как предсказать, какие компании превзойдут или не оценят результаты своих аналитиков
Котирующиеся на бирже компании составляют квартальные отчеты о прибылях и убытках, которые могут вызвать значительные колебания цен, если результаты отклоняются от оценок аналитиков. Это связано с тем, что, согласно гипотезе эффективного рынка, цены на активы полностью отражают всю доступную информацию и, как результат, будут влиять на согласованные оценки. В этой статье мы увидим, как мы можем..
Создание высокопроизводительных команд по обработке и анализу данных
Область науки о данных больше не является новым ребенком в блоке, которым она когда-то была. «Наука о данных» в ее современном использовании существует с начала 2000-х годов.
Во многих компаниях любого размера теперь есть специалисты по обработке данных, которые пытаются извлечь пользу из своих данных и помочь компаниям принимать более обоснованные решения.
Что изменилось, так это то, что наука о данных повзрослела как дисциплина. Многие компании перешли от режима проверки концепции к..
Точность модели
Точность модели обычно оценивается путем измерения качества подгонки (обычно среднеквадратичной ошибки).
Мы можем улучшить соответствие модели, увеличив степени свободы (более высокие DF — волнистые кривые, более низкие DF — более гладкие; линейная регрессия имеет 2 DF).
Однако есть и компромисс: переподгонка к обучающим данным может привести к более высокому значению MSE для тестовых данных, поскольку обучающие данные могут не отражать f .
Теория, лежащая в основе этого,..
Разговорный чат-бот AI с предварительно обученными трансформаторами с использованием Pytorch
Узнайте, как создать функционального диалогового чат-бота с DialoGPT, используя Huggingface Transformers
вступление
Разговорные системы или диалоговые системы вызвали огромный интерес в современном сообществе Обработка естественного языка (НЛП) . Просто интересно наблюдать, насколько точно боты могут имитировать наши мысли, логику и эмоции, как показано на их языке. Сегодня мы знаем, что в наших смартфонах прямо у нас на ладони есть цифровые помощники, такие как Apple Siri ,..
Зачем использовать наивный байесовский метод?
ПУТЕВОДИТЕЛЬ НАИВНЫХ ЗАЛИВ
Зачем использовать наивный байесовский метод?
Раздел 4: Оценка компромиссов в модели
Ссылка Как улучшить наивный байесовский метод? Раздел 3. Настройка модели в Python , прежде чем продолжить…
A D V A N T A G E S
Вопрос 1. Является ли наивный байесовский классификатор простым или сложным для понимания?
Ответ: простой
Вопрос 2. Является ли наивный байесовский классификатор интерпретируемым классификатором или нет?
Ответ:..
Мой опыт работы в качестве аналитика данных о продуктах
Как продукт поддержки сделал меня лучшим аналитиком данных
До того, как я начал работать аналитиком данных о продуктах, большинство моих специалистов по работе с данными поддерживали маркетинг. Вы можете подумать, что вспомогательный продукт - это то же самое, что и любое другое подразделение, но я могу сказать вам по опыту, что это не так. Сегодня я хотел бы обсудить свой опыт перехода на роль аналитика данных о продуктах и то, как работа с продуктом сделала меня лучшим аналитиком..
Новые материалы
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..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..