Публикации по теме 'ml-so-good'
2022 начинается с понятия — Шаблон моей информационной панели
Предисловие
Время всегда летит быстро, так же быстро, как я забываю имена знакомых и посты в своем блоге. Без обид. Мои пороки.
2022 входит в дверь, в маске, но в грязных ботинках. Когда я оглядываюсь на свой 2021 год, я не могу выразить большую благодарность за вдохновение, которое я получил, людей, которых я встретил, знания, которые я получил, и важные решения, которые я принял. Будущее трудно предсказать, но я стою на месте, держась за штурвал.
Итак, в качестве новой отправной..
Как использовать функцию нормализации в глубокой нейронной сети Tensorflow
При нормализации данных в машинном обучении я обычно вставлял код для преобразования ячеек в кадре данных в значение от 0 до 1. Существуют и другие способы нормализации данных, и один из них — стандартизировать их. Формула, которая обычно используется для стандартизации:
Как я использовал функцию LabelEncoder sklearn для решения табличных соревнований Kaggles за февраль 2022 г.
Я с нетерпением жду начала каждого месяца, потому что у Kaggle есть ежемесячные табличные соревнования, в которых я могу принять участие. Этот месяц, февраль 2022 года, не стал исключением. Я посмотрел на постановку задачи ниже и подумал, что смогу участвовать в этом конкурсе. Вдобавок я решил закодировать решение проблемы как…
VGG — Очень глубокая нейронная сеть свертки
В этом блоге мы узнаем об основах модели VGG.
Фон
Запуск конкурса компьютерного зрения ImageNet Large Scale Visual Recognition Challenge (ILSVRC) в 2011 году проложил путь к инновациям в области задач компьютерного зрения. Используя набор данных ImageNet, сеть AlexNet на основе CNN была предложена Алексом Крижевским в 2012 году. Сеть выиграла конкурс в том году с коэффициентом ошибок в пятерке лучших 15,3% . В следующие пару лет Карен Симонян и Эндрю Зиссерман предложили идею сети..
8 вопросов и ответов на собеседовании по машинному обучению
Популярные вопросы для интервью по науке о данных, любезно предоставленные Интернетом, теперь с ответами.
1. В чем разница между HAVING и WHERE в SQL-запросе?
Предложения WHERE и HAVING используются в запросах SQL для фильтрации записей на основе заданных условий. Однако у них есть несколько ключевых отличий.
Разница между HAVING и WHERE в SQL-запросе заключается в том, что WHERE используется для фильтрации записей до того, как будут сделаны какие-либо группировки, а HAVING..
Понимание обучения PAC: введение с примерами Python
Обзор вероятно приблизительно правильной структуры обучения
1. Введение
В динамичной области машинного обучения (МО) понимание возможностей и ограничений наших моделей жизненно важно для достижения успеха. Вероятно приблизительно правильное (PAC) обучение обеспечивает мощную основу, которая позволяет нам принимать обоснованные решения во время обучения и оценки модели. Изучая основы обучения PAC, мы получаем ценную информацию об определении размера выборки, обучаемости модели и..
Лучше ли созданное с нуля дерево решений, чем стандартная версия sklearn?
В недавнем видео я сравнил созданную с нуля модель логистической регрессии с логистической регрессией sklearn, и этот пост в блоге можно посмотреть здесь: https://medium.com/mlearning-ai/a-comparison-of-made-from -необработанные-и-готовые-логистические-регрессионные-модели-a75e21e4b521»
Новые материалы
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..
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..