Публикации по теме 'data-visualization'
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..
Работа с внимательным нейронным процессом, часть 3 (машинное обучение)
Рекуррентный внимательный нейронный процесс для последовательных данных (arXiv)
Автор: Шенхао Цинь , Цзячэн Чжу , Джимми Цинь , Вэньшо Ван , Дин Чжао .
Аннотация: Нейронные процессы (НП) изучают стохастические процессы и предсказывают распределение целевого результата, адаптивно обусловленное контекстным набором наблюдаемых пар вход-выход. Кроме того, Attentive Neural Process (ANP) повысил точность прогнозирования NP за счет включения механизма внимания среди контекстов и целей...
Построение модели машинного обучения шаг за шагом с помощью набора данных Titanic
Крушение Титаника - одно из самых печальных событий новейшей истории. В этой статье мы создаем модель машинного обучения, используя данные о выживании после этой катастрофы.
RMS Titanic затонул 15 апреля 1912 года в северной части Атлантического океана, столкнувшись с айсбергом. На борту находились 2224 пассажира, в результате этой катастрофы погибло более 1500 человек.
В этой статье я проанализирую факторы, которые важны для коэффициента выживаемости, с помощью визуализации данных...
t-SNE — техника визуализации данных
t-SNE или t распределенное встраивание стохастических соседей — это прежде всего метод визуализации данных, родственный анализу основных компонентов (по крайней мере, его применение). Причина, по которой я использовал PCA в качестве примера, заключается в том, что их часто сравнивают и спорят о том, какая из них лучше. В то время как PCA, безусловно, находит свое применение в разработке признаков и определении важных признаков, с точки зрения визуализации данных более высокого измерения в..
Операторы в R для анализа данных
Оператор – это символ, обозначающий тип операции или вычисления, которые необходимо выполнить в формуле. Хорошее знание операторов дает вам отличное владение языком, и вы сможете с большей легкостью выполнять вычисления и применять формулы. Итак, здесь мы узнаем о некоторых типах операторов и их синтаксисе,
Тип операторов
Операторы присваивания используются для присвоения значений переменным и векторам.
Синтаксис- Data_1‹-c(4.3,123,55,55,44,33,5)
2. Арифметические..
Демистифицируем D3 (для новичков)
Итак, вы посетили D3js.org и были поражены тем, что строки кода можно преобразовать в формы в DOM. Что еще более важно, эти формы собраны вместе, чтобы создать приятное зрелище! Мы все были там.
Однако вы посмотрите на предоставленный образец кода и сразу заметите крутой путь обучения.
Но не волнуйтесь, во всем есть некая закономерность. Когда вы это заметите, дорога вперед не будет казаться такой устрашающей, как несколько минут назад. Вот:
Очистите данные Сориентируйте..
Обнаружение аномалий: выявление выбросов в данных
В анализе данных обнаружение аномалий — это процесс выявления точек данных, которые значительно отклоняются от большинства данных. Эти точки данных также известны как выбросы и могут дать ценную информацию о данных.
Выбросы могут быть вызваны различными причинами, такими как ошибки ввода данных, неисправности оборудования или естественные изменения данных. Важно выявить эти выбросы и выяснить причину, поскольку они могут повлиять на точность и надежность анализа...
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..