Публикации по теме 'linear-regression'
Докер для машинного обучения
Роль инженера по машинному обучению может варьироваться в зависимости от различных факторов, таких как цель компании и зрелость проекта. Задача инженера по машинному обучению — решать проблемы с помощью ИИ . Когда я говорю ИИ, я не имею в виду самый модный трансформер. Линейная регрессия, которая решает проблему и создает ценность, может быть вариантом. Имейте в виду, чтобы начать с простого. Таким образом, вы окажетесь на многообещающем пути создания решений ИИ. Создание ИИ-решения..
Прогнозирование цен на жилье с использованием регрессионной модели и веб-скрейпинга
Введение
Успешно завершен второй проект Data Science Bootcamp, организованный совместно с Стамбульской академией наук о данных и Hepsiburada . В этом проекте мы создали модель прогнозирования цен на жилье с использованием машинного обучения, где продаются дома в Кадыкёй, Стамбул. Мы получили данные с этого сайта для парсинга.
Постановка задачи
Цель проекта — помочь нам понять взаимосвязь между характеристиками дома и то, как эти переменные используются для..
ЛИНЕЙНАЯ РЕГРЕССИЯ
В этой главе мы разберемся с одним из самых простых алгоритмов машинного обучения и создадим его с нуля на Python с использованием numpy.
Машинное обучение с учителем можно разделить на две группы:
Регрессия: для прогнозирования непрерывных переменных, например температуры и т. д. Классификация: для прогнозирования дискретных переменных, например, собака/кошка.
В линейной регрессии мы устанавливаем линейную связь между входными переменными (X) и одной выходной переменной (Y)...
Начинающие проекты ML Python
Линейная регрессия . Это базовая модель машинного обучения, которая прогнозирует непрерывное значение. Вы можете использовать библиотеку sklearn для построения модели линейной регрессии в Python. Вот пример:
import numpy as np
from sklearn.linear_model import LinearRegression
# Training data
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([1, 2, 3, 4, 5])
# Create the model
model = LinearRegression()
# Fit the model to the data
model.fit(X, y)
# Make predictions
predictions =..
Устанавливаю рекорд по объяснимому ИИ: (3-е место из N) Действительно ли линейная регрессия…
Согласно Оксфордскому словарю, объяснить /ɪkˈspleɪn/ – это глагол, который означает «объяснить идею или ситуацию кому-либо , описав их более подробно или раскрывая соответствующие факты ». Предполагая, что объяснение в XAI (объяснимый AI) такое же, я думаю, что два ключевых элемента этого определения (то есть «кто-то» и «соответствующие факты/детали») обычно упускаются из виду в дебатах XAI. Кроме того, критерии успеха таких объяснений не обсуждаются настолько объективно (и..
Линейная регрессия Python
Линейная регрессия Python
Привет, ребята! Сегодня я покажу скрипт Python, связанный с математикой! Если вы хотите продолжить, я дам ссылку на видео, которое поможет вам сделать это, и ссылку git на код. Я также, возможно, сделаю практические инструкции по этому проекту в ближайшее время. Так что, если вы хотите увидеть это, оставьте комментарий ниже и дайте мне знать, что вы думаете. И с этим давайте в это!
Что я сделал?
Итак, если вы еще не знаете, что такое линейная регрессия,..
Линейная регрессия
Линейная регрессия — это хорошо известный алгоритм машинного обучения, который позволяет нам делать числовые прогнозы. В алгоритме линейной регрессии есть два типа переменных, называемых зависимыми и независимыми. Переменная, которую мы хотим предсказать, является зависимой переменной, также известной как метка. Переменные, которые мы используем для прогнозирования, являются независимыми переменными, также известными как функции. В приведенном ниже примере мы хотим предсказать цены на..
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..