Публикации по теме 'predictions'
Начало работы с предсказанием молекулярных свойств с помощью машинного обучения
В этом посте я собираюсь показать, как приступить к разработке моделей машинного обучения для предсказания молекулярных свойств. Это должен быть очень минимальный пример. Мы рассмотрим другие методы улучшения этой модели в следующих постах. Мы собираемся предсказать липофильность малых молекул. Набор данных можно скачать с сайта MoleculeNet .
Прогнозирование липофильности — это регрессионная задача, и мы собираемся использовать алгоритм Random Forest, реализованный в пакете..
Регрессионные подходы к прогнозированию цены на алмазы!
В этой статье мы рассмотрим весь процесс создания модели машинного обучения на основе набора данных для прогнозирования цен на алмазы. Затем мы также сравним результаты, используя различные метрики регрессии.
Вы также можете скачать набор данных из этого репозитория . Он содержит информацию о размере, цвете, чистоте, весе и огранке бриллиантов по сравнению с ценой.
1. Бриллианты
Алмаз образуется в условиях высокой температуры и давления, которые существуют всего в 100..
Как спрогнозировать потребление электроэнергии в здании?
Потребление электроэнергии зданиями является важным фактором в использовании энергии и управлении затратами. Прогнозирование потребления электроэнергии может помочь оптимизировать использование энергии и минимизировать затраты. Это также может помочь выявить потенциальные проблемы с использованием энергии и дать возможность управляющим зданиями принять корректирующие меры.
I. Сбор данных:
Сбор данных является важным шагом в прогнозировании потребления электроэнергии в здании. Цель..
Да, конечно, Нострадамус.
По мере того, как срок службы Python подходит к концу, появляется новый горячий конкурент.
Да, конечно, Нострадамус.
Лучше обменяйтесь на весь этот многолетний опыт работы с Python и изучите все заново, столкнувшись с новыми проблемами, используя нишевый язык, который даже работает быстрее.
Похоже на сделку века ...
Послушайте, ничто о Python или его сообществе и пользователях не «останавливается». Где вы берете подобные утверждения?
Должно быть сервис..
Исследование и анализ данных для прогнозирования цен на жилье с использованием методов машинного обучения
Зачем исследовать данные перед моделированием?
Исследование данных важно, потому что оно помогает глубже понять данные, выявить закономерности и взаимосвязи, раскрыть скрытые идеи, обнаружить выбросы и аномалии, а также предоставить информацию для разработки моделей и алгоритмов. Выполняя исследование данных, ученые и аналитики данных могут принимать обоснованные решения относительно данных и их потенциального использования, снижая риск разработки моделей, которые являются предвзятыми..
Обзор прогнозов AI на 2018 год
«Я не могу изменить свое прошлое или предсказать свое будущее. Но я могу оформить свой подарок ». - Армин Хоуман
Это сезон прогнозов, настолько похожий на прошлогодний , я потратил некоторое время, чтобы прочитать главные прогнозы на год. Нет необходимости упоминать, что прогнозировать непросто, и к ним нужно относиться с большой долей скепсиса, но все же интересно провести воображаемую линию от существующего тренда и посмотреть, куда он ведет.
В этом посте я решил..
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..