Публикации по теме 'machine-learning'
Как это работает: кластеризация K-средних
Обзор
K-Means Clustering — простой, но мощный алгоритм в науке о данных. Существует множество реальных приложений кластеризации K-средних (некоторые из которых мы рассмотрим здесь). Это подробное руководство познакомит вас с миром кластеризации и кластеризации K-средних, а также с реализацией на Python для реального набора данных.
Введение: что такое кластеризация?
«Кластеризация помогает нам понять наши данные уникальным способом — группируя вещи в — как вы уже догадались —..
Работа со скрытым семантическим анализом, часть 2 (машинное обучение)
Интеллектуальный анализ текста с использованием неотрицательной матричной факторизации и скрытого семантического анализа (arXiv)
Автор : : Али Хассани , Амир Иранманеш , Наджме Мансури .
Аннотация: Кластеризация текста, возможно, является одной из самых важных тем в современном анализе данных. Тем не менее, текстовые данные требуют токенизации, которая обычно дает очень большую и очень разреженную матрицу терминов-документов, которую обычно трудно обрабатывать с помощью обычных..
Как модели машинного обучения могут помочь аэрокосмическому производству
Машинное обучение часто неправильно понимают как «волшебную» технологию, которую можно применять где угодно, чтобы улучшить что угодно. Однако аэрокосмическая отрасль, как отрасль с интенсивным использованием данных, может использовать преимущества машинного обучения во многих отношениях. Чтобы назвать некоторые из них, повышенная скорость и точность в проектировании, производстве и обслуживании.
Машинное обучение — это разновидность искусственного интеллекта (ИИ). Это позволяет..
Развенчание мифа о «беспозиционном баскетболе» с помощью кластеризации K-средних
Беспозиционный баскетбол — неправильное название. Неудивительно, что стандарты, созданные более полувека назад, уже не применимы к сегодняшней игре, да и не стоит от них ожидать. Большие игроки могут бросать тройки, разыгрывающие делают больше, чем просто пасы, а некоторые семифутовые пасуют как по волшебству . Пришло время изменить то, как мы определяем позиции в НБА — введите K-Means.
K-Means — это неконтролируемый алгоритм машинного обучения, который группирует или кластеризует..
Влияние аналитики больших данных на розничную торговлю — Techvantage
Розничная торговля является одним из самых динамично развивающихся секторов внедоговорного бизнеса. Это высококонкурентная отрасль, в которой инновации постоянно меняют ландшафт. Если вы работаете в сфере розничной торговли, вы, возможно, сталкивались с постоянными изменениями и бизнес-моделями, которые когда-то отмечали устаревание в одночасье.
Однако вы, возможно, будете рады узнать, что упреждающие инвестиции в такие технологии, как машинное обучение, большие данные и искусственный..
Прогнозирование временных рядов для начинающих (с кодами Python и R)
В области науки о данных Time Series (TS) считается одним из малоизвестных навыков (я сам понятия не имел, что это было пару дней назад).
Чтобы изучить основы решения задач временных рядов, я отправился в путешествие, и здесь я делюсь своим опытом. Любой будущий проект, за который вы возьметесь, обязательно выиграет от этих советов!
Временные ряды: что делает их такими особенными?
Точки данных собираются с постоянными интервалами в TS, как следует из названия. Из этих данных..
Обнаружение кирпичных печей на спутниковых снимках с использованием глубокого обучения
Обзор
Индийская промышленность по производству кирпича является вторым по величине производителем кирпича в мире, насчитывая более 100 000 действующих единиц и производя около 250 миллиардов кирпичей в год. Кирпичные печи ежегодно потребляют около 25 миллионов тонн угля — они являются основным источником выбросов в атмосферу твердых частиц и вредных газов, таких как окись углерода и двуокись серы. По оценкам, в период с 2005 по 2030 год строительство зданий в Индии будет расти на..
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..