Публикации по теме 'mathematics'
Как интуитивно понять проблему иглы Бюффона
Иногда «интуитивное» включает в себя «контринтуитивное»!
Задача об игле Бюффона является прямым продолжением игры Франка-Карро или игры "честные квадраты" . Если вы еще этого не сделали, ознакомьтесь с моим оригинальным эссе на эту тему . Я рассказал историю о том, что побудило Жоржа-Луи Леклера, графа де Бюффона придумать и решить эти…
Численное дифференцирование высокого порядка в C++
Численное дифференцирование высокого порядка в C++
В следующей статье описываются простые численные методы для вычисления производных в C++. Я сосредоточусь на робототехнических приложениях и просто опишу, как вычислять скорость, ускорение и рывок при движении роботов по пути с определенными временными ограничениями. Вычислительные методы для получения производных высокого порядка не ограничиваются робототехникой. только приложения, поэтому представленные ниже методы, конечно же,..
Как повесить картину (плохо) с помощью Computer Science
Недавно Мэтт и Стив, довольно известные ютуберы (один из которых популярнее другого), рассказали интересную историю. Это был рассказ о картине. Это был рассказ о математике. Это был захватывающий анализ выдуманной задачи с интересной математикой из нескольких школ мысли. Вы можете увидеть произведение искусства в их видео (каламбур) на YouTube .
Я здесь не для того, чтобы говорить с вами о том, какие крутые Мэтт и Стив (если только они не читают это, в таком случае да, вы самый..
Проект 1
С помощью Ruby есть (по крайней мере, в моей скромной голове) два способа решить эту проблему:
Сначала создайте массив кратных троек и пятерок, от одного до девятисот девяноста девяти. Сложите их и вычтите из суммы массива кратных пятнадцати от одного до девятисот девяноста девяти (наименьший общий делитель).
def sum
three = (1..999).to_a.reject {|n| n % 3 != 0}.reduce(:+)
five = (1..999).to_a.reject {|n| n % 5 != 0}.reduce(:+)
fifteen = (1..999).to_a.reject{|n| n % 15 !=..
Краткое введение в функции потерь
Очень краткое объяснение функций потерь с двумя простыми для понимания примерами известного классификатора softmax и функции потерь SVM.
вступление
Задачу прогнозирования можно рассматривать как простую задачу оптимизации. Модель пытается оптимизировать его производительность, правильно предсказывая значение. Фактическое значение, которое мы оптимизируем, называется «потерями» (которые мы, конечно же, стараемся минимизировать). Для этого модели необходима способность измерять этот..
Начало работы с машинным обучением
Машинное обучение является основной областью искусственного интеллекта. Это заставляет компьютеры переходить в режим самообучения без явного программирования. Получая новые данные, эти компьютеры обучаются, растут, изменяются и развиваются сами по себе.
Давайте поговорим о методах, используемых в машинном обучении. Методы машинного обучения классифицируются в основном на следующие 4 категории:
1. Контролируемое обучение:
Когда у машины есть входные и выходные данные с точными..
Деревья решений: пошаговый подход к созданию DT
Деревья решений: пошаговый подход к созданию DT
Вступление
Деревья решений (DT) - это непараметрический контролируемый метод обучения, используемый для классификации и регрессии. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной, изучая простые правила принятия решений, выведенные из характеристик данных. Деревья решений обычно используются при исследовании операций, в частности, при анализе решений, чтобы помочь определить стратегию,..
Новые материалы
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..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..