Публикации по теме 'machine-learning'
Тестовые примеры моделей: практический подход к оценке моделей машинного обучения
Поскольку модели машинного обучения становятся все более сложными и распространенными, крайне важно иметь практический и методический подход к оценке их эффективности. Но как лучше всего оценивать свои модели?
Традиционно использовались средние показатели точности, такие как средняя средняя точность (mAP), которые вычисляются по всему набору данных. Хотя эти оценки полезны на этапе проверки концепции, они часто оказываются недостаточными, когда модели развертываются в рабочей среде на..
Машинное обучение с тензорным потоком #2
Логистическая регрессия
Логистическая регрессия — это статистический подход, используемый для моделирования вероятности определенного бинарного события, такого как «годен/не годен». Эта форма является основным принципом, который позже будет использоваться в распознавании изображений и других задачах классификации. Для классификации существует фактор точности, в отличие от регрессии, которая является всего лишь приближением. Логистическая регрессия используется для аппроксимации..
Переоснащение против недообучения для балансировки точности модели
Одной из серьезных проблем, с которыми мы сталкиваемся во время обучения и тестирования модели, является переобучение и недообучение модели. Иногда вашей модели нужно изучить больше функций и показать лучшие результаты. В это время ваша модель распознает только функции обучения.
Иногда ваша модель не изучает полные функции и показывает неправильные результаты. В то время ваша модель не распознает все особенности вашего ввода.
В этой статье мы обсудим, что такое переобучение и..
Ключ к поиску того, что есть в Tinder? Векторы и машинное обучение
Введение в алгоритмы обучения предпочтениям и парного обучения с использованием методов линейной алгебры, статистики и машинного обучения
Недавно друг написал мне: «Эндрю, я получил тонну совпадений на Tinder, но все еще не смог найти ни одного. Думаю, это потому, что я недостаточно использую линейную алгебру. Можете ли вы помочь мне?"
И я ответил: «Ого, это странно конкретный вопрос. Это похоже на фальшивую ситуацию. Но да, конечно, я посмотрю, что я могу сделать ». В этой..
Удаляйте выбросы, пока их не останется
Уважаемое сообщество,
Прошу прощения, что не могу предложить лучшую первую попытку. У меня двойной массив. Я хочу написать цикл для удаления выбросов из каждого столбца. Идея такова: проверьте код на выбросы, удалите их, сделайте это снова, пока есть выбросы. Если выбросов больше не обнаружено, он должен остановиться и вернуть мне двойной массив без этих выбросов.
Я пробовал:
directory_name=uigetdir('','Ordner mit Messungen auswählen');..
Профилирование данных в машинном обучении
Профилирование данных в машинном обучении
Профилирование данных является одним из основных этапов анализа данных, целью которого является сбор описательной статистики и информативных сводок данных. Исследователь данных использует результаты этого первого шага, чтобы обнаружить бизнес-знания, скрытые в данных, это помогает ему принять решение о стратегии моделирования, необходимой для анализа.
В этом посте я буду говорить, в частности, о профилировании данных в электронной коммерции в..
Как работают сети Ethernet, часть 1
1. Стратегия переадресации с учетом энергопотребления для сетей Metro Ethernet ( arXiv)
Автор: Рихаб Маалул , Ламия Чаари Фурати , Кузен Бернарда
Аннотация: Оптимизация энергопотребления стала важнейшей проблемой в сфере ИКТ. В этой статье рассматривается проблема энергопотребления в сети Metro Ethernet. Развертывание технологий Ethernet значительно расширяется из-за их простоты и низкой стоимости. Тем не менее, еще предстоит провести много исследований для решения..
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..