Публикации по теме 'machine-learning'
Часть 1: Google BigQuery ML прогнозирует риск сердечно-сосудистых заболеваний с помощью бинарной классификации
Эксперименты со встроенными возможностями машинного обучения Google BigQuery уже некоторое время были в моем личном списке дел, поэтому я наконец решил сделать решительный шаг. При этом я решил взять с собой всех остальных на случай, если вы заинтересуетесь — но еще не начали — похожее путешествие.
Постановка проблемы
Чтобы найти себе работу, я решил заняться созданием модели, которая может помочь предсказать риск сердечно-сосудистых заболеваний с учетом ряда характеристик, таких как..
Коэффициент инфляции дисперсии (VIF).
Метрика, определяющая коллинеарность.
Введение:
Многие онлайн-ресурсы рассказывают о значении VIF, но лишь немногие рассказывают о математической интуиции, лежащей в основе VIF. Сегодня, ребята, мы будем разбираться в математике, лежащей в основе VIF.
Значение мультиколлинеарности:
Мультиколлинеарность означает наличие некоторой корреляции между независимыми переменными. Это не подходит для линейной регрессии, поскольку линейная регрессия предполагает отсутствие корреляции между..
Мир еще впереди, и мир в настоящее время отдает предпочтение машинам, которые учатся сами по себе, как…
Мир еще впереди, и мир в настоящее время отдает предпочтение машинам, которые учатся сами по себе, как это делают люди. Этого мира еще нет, где машина может учиться исключительно сама, но мы движемся к той эпохе. Это та отрасль жизни, а не информатика или статистика (некоторые говорят), в которой машины имеют возможность учиться у окружающей среды. Эта среда может быть реальной, в которой мы живем, или той средой, которая окружает данные, которыми мы должны снабжать эти машины. Таким..
Приложения многоруких бандитов, часть 2 (машинное обучение)
Выбор клиента для обобщения в ускоренном федеративном обучении: многорукий бандитский подход (arXiv)
Автор: Дан Бен Ами , Коби Коэн , Цин Чжао .
Аннотация: Федеративное обучение (FL) — это новая парадигма машинного обучения (ML), используемая для обучения моделей на нескольких узлах (т. е. клиентах), содержащих локальные наборы данных, без явного обмена данными. В последние годы он вызывает растущий интерес из-за его преимуществ с точки зрения конфиденциальности и коммуникационных..
Matplotlib против Seaborn: битва за визуализацию данных
Визуализация данных лежит в основе передачи информации из ваших данных. Как специалист по данным, вы понимаете важность выбора правильных инструментов для создания эффективных визуализаций. В этом сообщении блога мы собираемся углубиться в разбор визуализации данных между двумя популярными библиотеками Python: Matplotlib и Seaborn.
Претенденты: Matplotlib и Seaborn
Матплотлиб
Matplotlib — это мощная и универсальная библиотека, которая долгое время была основой набора инструментов..
Прогноз цены акций: XGBoost
В нашей последней записи серии прогнозов цен на акции давайте узнаем, как прогнозировать цены на акции с помощью модели XGBoost.
Если вы хотите вникнуть в другие подходы к прогнозированию цен на акции, взгляните на другие наши блоги из этой серии:
Прогноз акций: Пророк Facebook Статистический подход к прогнозированию курса акций: наивный прогноз, скользящее среднее Прогноз курса акций: нейронная сеть с Tensorflow Прогноз цен на акции: использование глубоких нейронных сетей..
Пристальный взгляд на SVM и K-ближайших соседей для классификации данных
Машина опорных векторов
Машина опорных векторов (SVM) — это мощный инструмент машинного обучения, используемый для классификации данных. Он находит лучшую линию или границу для разделения различных групп, что делает его полезным для таких задач, как распознавание изображений и классификация текста. SVM хорошо работают даже со сложными данными и могут работать как с прямыми, так и с криволинейными разделениями. Они широко используются в различных областях благодаря своей универсальности и..
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..