Публикации по теме 'machine-learning'
Как работает тензорная декомпозиция низкого ранга, часть 2
1. Тензорные разложения и аппроксимации низкого ранга (arXiv)
Автор: Цзяванг Не , Ли Ван , Цзюнь Чжэн
Аннотация: существуют линейные отношения между тензорными элементами тензоров низкого ранга. Эти линейные отношения могут быть выражены мультилинейными полиномами, которые называются производящими полиномами. Мы используем производящие полиномы для вычисления тензорных разложений и тензорных аппроксимаций низкого ранга. Мы доказываем, что это дает квазиоптимальное..
Углубление регуляризации L1 с примером в Python (sklearn)
Регуляризация L1, также известная как регуляризация Лассо, представляет собой тип регуляризации, который добавляет штрафной член к целевой функции, чтобы уменьшить сложность модели. Целевая функция — это функция, которую модель пытается оптимизировать, и штрафной член добавляется, чтобы воспрепятствовать переобучению модели обучающими данными.
Член регуляризации L1 определяется как сумма абсолютных значений весов, умноженных на гиперпараметр, называемый лямбдой, который является..
Машинное обучение | Предварительная обработка с конвейерами
Наборы данных выглядят так:
import pandas as pd
data = {
"Name": ["Fiona", "Gerald", "Hans", "Isabella", "Jacob"],
"Age": [20, 34, None, None, 33],
"Gender": ["f", "m", "m", "f", "m"],
"Job": ["writer", "Programmer", "Programmer", "Programmer", "Teacher"]
}
df = pd.DataFrame(data)
df..
Как используется матрица Якоби часть 1 (топология + линейная алгебра)
Матрица Якоби: мост между линейными и нелинейными полиномиальными задачами (arXiv)
Автор: В. Чен
Аннотация: Используя концепцию матричного произведения Адамара, в этой статье вводятся две обобщенные матричные формулировки численного аналога нелинейных дифференциальных операторов. Подход матрично-векторного произведения SJT оказался простым, эффективным и точным методом расчета матрицы Якоби нелинейной дискретизации с помощью конечной разности, конечного объема, коллокации, двойной..
Google Meet представил фантастическую новую функцию, которая превратит ваши видеоконференции в целое…
Представляем фоны, созданные искусственным интеллектом! Теперь вы можете настроить фон видеозвонка с помощью невероятных изображений, созданных искусственным интеллектом. Независимо от того, представляете ли вы школьный проект, встречаетесь с друзьями или даже присоединяетесь к собранию виртуального клуба, эти фоны сделают ваши видеозвонки выдающимися! 🌈
Вот как это попробовать:
1️⃣ Присоединяйтесь к сеансу Google Meet — это очень просто!
2️⃣ Нажмите «Применить визуальные..
Обучение модели с помощью линейной регрессии с множественными переменными
В своей недавней статье я рассказал о машинном обучении, типах моделей машинного обучения и о том, как обучать модель. В этой статье мы обучили модель, которая дает прогноз цен на дома с использованием линейной регрессии с множественными независимыми переменными. используемые библиотеки: pandas, Numpy и Sklearn.
Теперь для этой модели мы используем набор данных из Kaggle, который содержит такие наборы данных:
Цена будет зависимой переменной, а остальные 12 наборов данных —..
Измерение настроений клиентов по неразмеченным данным с помощью VADER
Я помню не столь печально известную цитату из фильма «Я, робот», которая звучит так:
«Когнитивные симулякры однажды могут приблизиться к составным моделям человеческой психики».
это означает, что однажды ИИ сможет развиваться самостоятельно, подобно дарвиновской эволюции природы. Не уверен, к лучшему это или к худшему, я действительно держу пари и надеюсь, что это первое. Как бы то ни было, это мое личное мнение, и я могу ошибаться, я допускаю, но может быть, это слишком надуманно,..
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..