Публикации по теме 'machine-learning'
Введение в одномерную линейную регрессию
Привет! В этом блоге я расскажу о работе линейной регрессии.
Что такое линейная регрессия?
Если бы нам дали приведенные ниже точки данных и попросили спрогнозировать цену дома для любой заданной площади дома, как бы вы это сделали? Один из способов заключается в том, что мы могли бы сформулировать уравнение прогноза с точки зрения функций, которые максимально точно представляют тенденции в данных. Это основная идея линейной регрессии.
Линейная регрессия – это способ..
Более быстрые рекомендации ALS с извлечением функций (и куклами!)
В другом недавнем посте я рассказал, как создал систему рекомендаций комиксов для читателей, не читающих комиксы, IntoComics . Я рассмотрел некоторые шаги того, как я это сделал, включая создание модели альтернативных наименьших квадратов (ALS), которая разбивает пользователей и элементы на их собственные матрицы, которые можно визуализировать как таковые:
Когда мы разделим эти два, их можно снова перемножить, давая как наши самые близкие композиции исходных значений из этой..
Представление ChatGPT
ChatGPT широко обсуждался в последние дни. Я позволил ChatGPT представиться, попросив объяснить ChatGPT простыми словами. Затем он показывает мне ниже
ChatGPT — это большая языковая модель, обученная OpenAI. Он использует алгоритмы машинного обучения для создания человеческого текста на основе полученных данных. Он предназначен для общения с людьми по широкому кругу тем и может даже отвечать на…
Введение в цепи Маркова
Случайные переменные и случайные процессы
Во-первых, перед тем, как мы перейдем к цепям Маркова, необходимо освежить в памяти некоторые фундаментальные понятия теории вероятностей.
В нематематическом смысле случайная величина есть следствие события. X Этот результат может быть числом (или чем-то «числовоподобным», например, вектором). Случайные переменные похожи на броски игральных костей или подбрасывание монеты (не число, если только вы не присвоите, например, 0 орлу и 1 решке)...
Обучение Интернету вещей (IOT) в NOIDA.
Интернет вещей позволяет обнаруживать объекты или управлять ими удаленно через существующую сетевую инфраструктуру, открывая возможности для более скоординированной интеграции физического мира в компьютерные структуры и приводя к прогрессивной производительности , точности и финансовым преимуществам при расширении до уменьшилось вмешательство человека. Когда IoT расширяется датчиками и исполнительными механизмами, инновация становится примером более распространенного урока..
Краткая история глубокого обучения
Человеческие изобретения черпают вдохновение в природе. Точно так же глубокое обучение было попыткой смоделировать человеческий мозг, одну из самых сложных структур во Вселенной. Попытка не заключалась в том, чтобы имитировать каждую деталь мозга. Вместо этого искусственные нейронные сети были вдохновлены биологическими нейронными сетями, что в конечном итоге привело к глубокому обучению.
Так что же такое глубокое обучение?
Google определяет глубокое обучение как «тип машинного..
Как прогнозировать временные ряды с несколькими сезонными факторами
Практический пример использования моделей BATS и TBATS в Python
При работе с временными рядами мы часто сталкиваемся с сезонностью. Сезонность определяется как периодическое изменение в нашей серии. Это цикл, который происходит в течение фиксированного периода в нашей серии. Например, давайте взглянем на набор данных популярных авиакомпаний, показанный ниже.
Здесь мы можем четко видеть сезонный цикл, так как каждый год количество авиапассажиров достигает пика примерно в июле..
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..