Публикации по теме 'data'
5 пакетов R для машинного обучения
Поскольку R — один из самых популярных языков для машинного обучения, существует множество пакетов, которые могут ускорить ваши проекты по науке о данных. Такие ресурсы, как ggplot, dplyr и data.table, уже очень популярны для любой работы со статистикой, но вот несколько отличных пакетов для машинного обучения, которые можно держать в заднем кармане.
млр3
mlr3 — это пакет, ориентированный на большие наборы данных и масштабируемые решения. Он фокусируется на основных вычислительных..
Исследуйте сцену Airbnb в Сиэтле!
Подход, основанный на данных, для понимания различных аспектов предложения Airbnb в Сиэтле
Введение
Планируете ли вы посетить Сиэтл в ближайшем будущем? Кто-то из семьи или друзей, или, может быть, вы просто хотите исследовать город? если да, то этот пост поможет вам понять варианты проживания, если вы планируете бронировать через Airbnb.
Лично я был заинтригован, и хотя потенциально вы можете задать бесконечное количество вопросов, было несколько конкретных вопросов, на..
Соображения безопасности при использовании перечислений в схемах Avro
EXPEDIA GROUP ТЕХНОЛОГИИ — ДАННЫЕ
Соображения безопасности при использовании перечислений в схемах Avro
Использование перечислений обычно является хорошей практикой, но это не всегда так при использовании Apache Avro.
Apache Avro обычно используется как в пакетных системах, так и в системах данных реального времени для описания расширяемых и защищаемых схем данных. Avro позволяет создавать системы данных, в которых типы данных можно изменять, не затрагивая производителей или..
Какой второй параметр в parseInt?
В этой статье будет обсуждаться метод JavaScript parseInt . Когда строка анализируется (разбивается) , эта функция возвращает целое число или NaN . (Не число) .
Работа функции parseInt
Для извлечения целого числа из строки обычно используется функция parseInt. При этом возвращаемое значение преобразуется в действительное число.
Синтаксис – parseInt(string)
10 не является целым числом в приведенном выше примере; это строка. Из-за того, что мы умножаем 2 на строку,..
Изучите классификатор дерева решений
На примере использования алгоритма ID3
Дерево решений — это метод обучения с учителем , построенный путем итеративного задания вопросов набору данных. 2 основных вопроса:
Как следует разделять записи об обучении? Меры примесей используются для обнаружения асимметрии в распределении по классам. Загрязнение родительского узла до разделения сравнивается с загрязнением дочернего узла после разделения…
6 лет в данных
Уроки и размышления о путешествии проанализированы как набор данных, но написаны для технических товарищей.
Мотивация
Ведение дневника — это то, чем я занимаюсь параллельно с психоанализом уже 3 года, еженедельно размышляя о том, как я управлял своими эмоциями. Желание создать такую же рутину для карьерного обучения существовало уже некоторое время, но ни одно желание не повлияло на меня так сильно, как чтение черновика от августа 2022 года, в котором рассказывается о моих первых 5..
Понимание нейронных ОДУ (ИИ)
Теория реализации рекуррентных нейронных ОДУ с использованием встраивания полиномиальной системы ( arXiv )
Автор: Мартин Гонсалес , Тибо Дефурно , Хатем Хайри , Михай Петрецкий
Аннотация: В этой статье мы показываем, что нейронные аналоги ОДУ рекуррентных (ODE-RNN) и сетей с долговременной кратковременной памятью (ODE-LSTM) могут быть алгоритмически встроены в класс полиномиальных систем. Это встраивание сохраняет поведение ввода-вывода и может быть расширено на другие..
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..