Публикации по теме 'model'
Машинное обучение для начинающих
Популярные библиотеки Python, которые мы используем в проектах машинного обучения:
1. Numpy 2. Pandas 3. Matplotlib 4. Scikit Learn
Проект машинного обучения включает в себя нет. из шагов: 1. Импорт данных 2. Очистка данных 3. Определение функций и целей 4. Создание модели 5. Обучение модели 6 .Создавайте прогнозы 7.Оценивайте и улучшайте
Мы используем среду под названием Jupyter для написания нашего кода. мы можем использовать другие платформы, такие как vscode или любые..
Создайте машину опорных векторов (SVM) для набора данных по банковскому маркетингу
В этой статье описывается построение SVM, чтобы предсказать, будет ли клиент вкладывать деньги по срочному плану в банк.
Наброски
Обзор набора данных предварительная обработка набора данных SMOTE и разделение набора данных Функциональная инженерия SVM с ядром Оценка
1. Обзор набора данных
url- https://archive.ics.uci.edu/ml/datasets/bank+marketing#
Описание атрибутов
1 - возраст (числовой) 2 - работа: тип работы (категориальный: «администратор», «рабочий»,..
Caffe: универсальная платформа глубокого обучения для Python
Введение:
Глубокое обучение изменило многие отрасли, включая компьютерное зрение и обработку естественного языка. Однако для создания эффективных моделей глубокого обучения требуются сложные фреймворки, упрощающие сложный процесс создания, обучения и развертывания нейронных сетей. Caffe, модуль Python, привлекший значительное внимание благодаря своей адаптивности и эффективности в приложениях глубокого обучения, является одной из таких выдающихся платформ. В этом эссе будет..
Вложенные модели BackboneJS
Это копия поста, который я написал, работая в Rollout.io — это действительно хороший израильский стартап, который предлагает отличные решения для управления флажками функций , используя самые передовые отраслевые практики. Оригинал статьи вы можете найти по этой ссылке , хотя она полностью такая же.
Вложенные модели BackboneJS
Мои отношения с Backbone.js сложные. Мы провели вместе дюжину часов, полных занимательных и глубоких разговоров (до поздней ночи). Я был действительно..
Система прогнозирования кредита с использованием моделей ML
Постановка задачи
У нас есть компания по финансированию жилищного строительства, и мы хотим автоматизировать процесс получения кредита на основе сведений о клиенте, предоставленных при заполнении онлайн-заявки.
О наборе данных
Loan_ID: уникальный идентификатор займа.
Пол: мужской/женский
Женаты: заявитель женат (да/нет)
Иждивенцы: количество иждивенцев
Образование: образование кандидата (высшее/неполное высшее)
Self_Employed: работающий не по найму (да/нет)..
Вопросы по теме 'model'
Резервное копирование пустого поля Django
У меня есть модель, которая содержит адрес пользователя. Эта модель должна иметь поля first_name и last_name , так как нужно указать адрес получателя (например, его компанию и т. д.). Чего я пытаюсь достичь, так это:
Если поле first_name /...
30.04.2024
SQLAlchemy: filter_by с like() для внешнего атрибута
У меня есть следующие модели:
class CRRun(Base):
...
crID = Column(u'CR_ID', INTEGER(), ForeignKey(CR.id), primary_key=True,
nullable=False)
cr = relationship(CR, backref=backref("CR_RUN", uselist=False))
......
08.04.2024
Предложения магазина (), у которых есть user_id и article_id - laravel
Я создаю простое приложение с пользователями, статьями и предложениями. Теперь Пользователь может создавать статьи и предложения к этой статье. SO Пользователь имеет много статей и имеет много предложений, статья относится к пользователю и имеет...
19.03.2024
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..