Публикации по теме 'feature-engineering'
Методы выбора функций на основе обертки
Существует множество способов выбора функций из набора предикторов для повышения производительности моделей машинного обучения. Среди этих методов распространена практика использования другой модели машинного обучения в качестве оболочки, обученной на наборе комбинаций предикторов, чтобы определить, какой набор предикторов лучше всего работает в данной модели.
В этой статье мы рассмотрим некоторые популярные алгоритмы машинного обучения, такие как рекурсивное устранение признаков (RFE),..
Эффективное категориальное кодирование для различных вариантов использования с использованием Python
«Категориальные переменные — это распространенный тип данных, встречающийся в различных проектах по машинному обучению и анализу данных. Однако многие алгоритмы машинного обучения могут обрабатывать только числовые данные, поэтому необходимо преобразовывать категориальные переменные в числовые представления. Этот процесс называется категориальным кодированием. В этой статье мы рассмотрим различные методы категориального кодирования, поймем варианты их использования и реализуем эти методы..
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..