Публикации по теме 'machine-learning'
Деревья решений (часть 2)
В первой части этой статьи мы обсуждали, что такое деревья решений и как их строить из заданного набора данных. В этой части мы покажем, как использовать и настраивать деревья решений в Scikit-Learn, как справляться с переоснащением деревьев решений с помощью обрезки деревьев и как использовать деревья решений для задач регрессии.
Деревья решений в Scikit-Learn
Класс DecisionTreeClassifier в sklearn.tree предоставляет классификатор дерева решений. Его реализация основана на..
Интуитивно понятная оптимизация гиперпараметров: поиск по сетке, случайный поиск и байесовский поиск!
Гиперпараметры в алгоритме машинного обучения похожи на ручки в газовой плите. Точно так же, как мы регулируем ручку на газовой плите, пока не достигнем правильных настроек, чтобы наша еда была приготовлена так, как нам нравится. Точно так же мы настраиваем гиперпараметры алгоритма машинного обучения, чтобы он работал на оптимальном уровне и достиг желаемого уровня производительности.
Прежде чем я начну обсуждать алгоритмы поиска для оптимизации гиперпараметров, позвольте мне развенчать..
Как рассчитать корреляцию между переменными в Python3
Между переменными в вашем наборе данных могут быть сложные и неизвестные отношения.
Важно обнаружить и количественно определить, в какой степени переменные в вашем наборе данных зависят друг от друга. Эти знания могут помочь вам лучше подготовить данные для соответствия ожиданиям алгоритмов машинного обучения, таких как линейная регрессия, производительность которых будет снижаться при наличии этих взаимозависимостей.
вы обнаружите, что корреляция — это статистическая сводка..
Новейшие идеи о сверточных нейронных сетях в 2023 году, часть 6 (машинное обучение)
Обнаружение дипфейков с помощью глубокого обучения: сверточные нейронные сети против трансформеров (arXiv)
Автор : Вризлин Л. Л. Вещь
Аннотация: Стремительное развитие технологий создания дипфейков серьезно угрожает достоверности медиаинформации. Последствия, затрагивающие целевых лиц и учреждения, могут быть ужасными. В этой работе мы изучаем эволюцию архитектур глубокого обучения, в частности CNN и Transformers. Мы определили восемь многообещающих архитектур глубокого обучения,..
Сегментация изображений с использованием глубокого обучения — Модели и наборы данных
Сегментация изображения может быть сформулирована как задача классификации пикселей с помощью семантических меток (семантическая сегментация) или разделения отдельных объектов (сегментация экземпляров) или того и другого (паноптическая сегментация).
Сегментация изображений является ключевой задачей в компьютерном зрении и обработке изображений с такими важными приложениями, как понимание сцены, анализ медицинских изображений, роботизированное восприятие, видеонаблюдение, дополненная..
Введение в теорию глубокого обучения (видео-урок)
Всем привет,
Когда я начал экспериментировать с нейронными сетями, у меня было много вопросов относительно теории нейронных сетей, и, хотя многие вещи считались само собой разумеющимся, я всегда хотел вникнуть в подробности, когда дело доходит до того, как работают нейронные сети.
Все это заставило меня захотеть сделать простой в использовании учебник по теории глубокого обучения и нейронных сетей, который был бы достаточно описательным и ясным для новичков, но также был бы хорошим..
Conv Neural Networks — Никогда больше не забывайте о видах вашего питомца
И, я думаю, он может делать и другие вещи…
Вы когда-нибудь просто гуляли по своему дому и проходили мимо своего питомца, просто чтобы понять, что вы понятия не имеете, кошка это или собака.
Я тоже!
Ну, мальчик, у меня есть решение для вас! Вместо того, чтобы слушать своих сверстников, которые могут сказать вам, что проблема более серьезная и меняет жизнь, чем просто то, что вы не знаете, какого вида ваш питомец, просто создайте свёрточную нейронную сеть.
«Ну, а что такое CNN?»..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..