Публикации по теме 'overfitting'
#TheNotSoToughML | «Иди, минимизируй ошибку». Но достаточно ли этого?
«Не все то золото, что блестит». - Уильям Шекспир
Что за # (хэштег)?
Некоторое время назад я начал новую серию, посвященную тому, что в ней говорится, - серию, где я устраняю некоторые пробелы, которые могут возникнуть в отношении алгоритма / концепции, объясняя интуицию, лежащую в основе этого, вместо того, чтобы выдавать математику прямо сейчас. Это всего лишь попытка заставить вас осознать, что машинное обучение несложно. Это скорее интуиция, подтвержденная алгоритмически...
5 методов предотвращения переобучения вашей следующей модели машинного обучения
Вы когда-нибудь разрабатывали модель нейронной сети, которая дает потрясающие результаты? Настолько, что это невероятно? Если у вас возникли такие сомнения, возможно, вы правы.
Возможно, ваша модель страдает от переобучения . Переобучение - это когда ваша модель «запоминает» ваш набор данных и, следовательно, способна точно предсказать результаты.
Другими словами, если вы запустите свою модель на другом наборе данных, можно с уверенностью сказать, что это даст катастрофические..
Понимание переобучения и недообучения в машинном обучении
Машинное обучение стало неотъемлемой частью нашей жизни, поддерживая приложения и технологии, начиная от персонализированных рекомендаций и заканчивая автономными транспортными средствами. По своей сути машинное обучение позволяет компьютерам изучать закономерности на основе данных и делать прогнозы или принимать решения без явного программирования. Эта замечательная способность произвела революцию в промышленности и обладает огромным потенциалом для решения сложных проблем.
Однако..
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..
Как оценить вашу модель машинного обучения
Отладка алгоритма обучения
Что нам делать после того, как мы подгоним нашу модель машинного обучения к данным? Очевидно, нам нужно оценить его и понять, работает он или нет, и, особенно в последнем случае, внести некоторые изменения для его улучшения.
В этом случае нам нужно отладить наш алгоритм, но с чего начать?
Эта статья представляет собой отрывок из более сложного и полного курса по машинному обучению профессора Стэнфордского университета Эндрю Н.Г. Курс доступен на Coursera..
Деревья решений и алгоритм ID3
«Дерево решений» — один из наиболее важных и наиболее полезных типов структур для машинного обучения. Особенно это очень важно для контролируемого обучения, то есть обучения с классификацией помеченного набора данных, касающегося заданного поведения, и применением этих знаний к различным данным. Можно сказать, что это похоже на обучение с учителем. В отличие от неконтролируемого обучения, в этом типе вы предоставляете программе помеченные данные.
Компонент дерева решений
В дереве..
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..