Публикации по теме 'hypothesis-testing'
Как обнаружить дрейф данных с помощью проверки гипотез
млн операций в секунду
Как обнаружить дрейф данных с помощью проверки гипотез
Подсказка: забудьте о p-значениях
Дрейф данных беспокоит любого, у кого есть модель машинного обучения, работающая с прогнозами в реальном времени. Мир меняется, и по мере того, как меняются вкусы потребителей или демографические данные, модель начинает получать значения характеристик, отличные от тех, которые она видела при обучении, что может привести к неожиданным результатам. Обнаружение дрейфа..
Измерение Вапника-Червоненкиса
Давайте начнем с предыстории:
Компромисс между погрешностью и дисперсией. Методы с высокой дисперсией могут хорошо представлять обучающую выборку, но подвержены риску переобучения. Напротив, высокое смещение обычно приводит к более простым моделям, которые могут не соответствовать данным.
Точно так же большой компромисс заключается в том, что чем больше ваш класс гипотез, тем лучше лучшая гипотеза моделирует лежащую в основе истинную функцию, но тем сложнее найти эту лучшую гипотезу...
Ошибка типа I и типа II и значения P
Существует два типа ошибок при проверке гипотез: один тип I, а другой тип II.
Ошибка типа I. Ошибка возникает, когда мы отклоняем правильную нулевую гипотезу. также, to называется ложным срабатыванием . Вероятность совершения ошибки такого типа равна α (уровень значимости).
Ошибка типа II. Эта ошибка возникает, когда мы принимаем ложную нулевую гипотезу. также он называется ложноотрицательным . Вероятность совершения этой ошибки обозначается β. β зависит от размера выборки..
ANOVA и хи-квадрат
ANOVA (дисперсионный анализ) и хи-квадрат — это статистические тесты, используемые в разных контекстах и для разных целей. Давайте обсудим каждый из них:
ANOVA (дисперсионный анализ):
ANOVA – это статистический тест, используемый для определения наличия значительных различий между средними значениями двух или более групп. Он анализирует дисперсию внутри групп и между группами, чтобы определить, обусловлены ли наблюдаемые различия случайным или фактическим групповые различия...
Нейронная сеть для сентиментального анализа [Часть -1: Извлечение признаков]
Используйте мой Блокнот Google Colab для интерактивного обучения!
Что такое сентиментальный анализ?
Каждый день, что бы мы ни делали, всегда связано с нашими эмоциями. В каждом состоянии у всех нас есть определенное отношение к событию. Способ представления таких эмоций может быть разным, но наша реакция всегда рассказывает какую-то историю.
Применение аналитической методологии для определения мнения человека и его классификации по конкретным эмоциям (положительные,..
Введение гипотез в статистику и машинное обучение
Что такое гипотеза в статистике и машинном обучении?
Тема «Гипотеза в машинном обучении» может сбивать с толку новичка, поскольку связана со статистикой (статистическая гипотеза).
Здесь мы изучим разницу между гипотезами в науке, статистике и машинном обучении.
Содержание: -
Что такое гипотеза? Гипотеза в статистике. Гипотеза в машинном обучении.
1. Что такое гипотеза?
Гипотеза ( гипотезы во множественном числе) - это предлагаемое объяснение феномена ...
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..