Публикации по теме 'exploratory-data-analysis'
Исследовательский анализ и прогнозирование диабета с использованием машинного обучения
Данные о диабете , которые мы попытаемся провести для исследовательского анализа данных и прогнозов, я получил от Kaggle.
Набор данных состоит из 9 столбцов и 768 строк, объяснение всех особенностей:
Беременности : количество беременностей каждой пациентки. Глюкоза: число содержания сахара в крови. BloodPressure : число артериального давления указывает на низкое или высокое кровяное давление. SkinThickness : толщина кожи. Инсулин : количество гормонов, регулирующих уровень..
Задача прогнозирования цен — Практический пример использования машинного обучения
Эксперименты с алгоритмами машинного обучения на задаче Kaggle — Mercari Price Suggestion Challenge
Это мир, управляемый данными. Тот, у кого больше данных, является здесь пионером. От прокрутки роликов Instagram до поиска этой статьи данные есть везде. Машинное обучение — это игра с этими данными путем экспериментирования с ними различных алгоритмов. Когда вы говорите данных и машинного обучения, неудивительно, что электронная коммерция, одна из самых быстрорастущих тенденций,..
Основы исследовательского анализа данных для машинного обучения
Что такое исследовательский анализ данных?
Исследовательский анализ данных (EDA) — это метод исследования данных, позволяющий понять различные аспекты данных. Он включает в себя несколько техник, которым нужно следовать. Перед выполнением EDA данные должны быть очищены и не должны иметь избыточности, пропущенных значений и нулевых значений, мы должны определить важные переменные в данных. Мы должны определить ключевые моменты после каждого шага в жизненном цикле обработки модели.
Цель..
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,..
Новые материалы
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..
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..