Публикации по теме 'predictive-analytics'
Как использовать деревья решений в машинном обучении для прогнозного моделирования
Деревья решений — это популярный алгоритм машинного обучения, используемый для прогнозного моделирования. Они просты для понимания и могут использоваться как для задач классификации, так и для регрессии. В этом сообщении блога мы обсудим, как работают деревья решений и как вы можете использовать их в своих собственных проектах машинного обучения!
Деревья решений – это тип алгоритма машинного обучения, который используется для прогнозирования результатов. Их называют «деревьями..
Распознавание предметов моды с помощью логистической регрессии. Реализация базового изображения с несколькими классами…
Предоставленный набор данных содержит экземпляры 10 предметов одежды, каждый из которых идентифицируется числовым ярлыком (от 0 до 9).
Пример изображения ботильонов примерно такой
Проблема и процесс построения модели:
Поскольку логистическая регрессия является бинарным классификатором, идея состоит в том, чтобы решить эту проблему как серию задач бинарной классификации. Набор данных модного поезда должен быть обучен с использованием модели логистической регрессии, которая..
Цифровой оракул: увлекательное погружение в будущее с помощью технологического волшебства
Изучение искусства прогнозирования с игривым подходом к данным и алгоритмам
С незапамятных времен люди увлекались взглядом в будущее. Мы перепробовали все: древнегреческие оракулы, Нострадамуса и даже старую добрую горячую линию экстрасенсов.
Но теперь, благодаря технологическому колдовству, мы можем обратиться к всевидящему, всезнающему цифровому оракулу!
Возможно, вам интересно, что же такое цифровой оракул.
Представьте себе технически подкованного гадалку,..
Машинное обучение и предсказание будущего
Машинное обучение (ML) стало мощным инструментом для анализа огромных объемов данных, выявления закономерностей и прогнозирования. Поскольку область машинного обучения продолжает развиваться, она может произвести революцию в различных отраслях, обеспечивая точные прогнозы и принятие обоснованных решений. В этой статье мы рассмотрим роль машинного обучения в прогнозировании будущего и его последствия для бизнеса, здравоохранения, финансов и не только.
Понимание машинного обучения:..
Анализ кредитного риска с помощью машинного обучения
Использование машинного обучения для определения вероятности того, что претендент на получение кредита не выполнит свои обязательства по кредиту, чтобы кредиторы могли снизить свой риск.
Введение
Кредитный риск можно определить как риск, связанный с финансовыми потерями, возникшими в результате невыплаты заемщиком кредита. Кредиторам или кредиторам необходимо минимизировать этот риск, чтобы предотвратить перебои в движении денежных средств или нести дополнительные расходы на взыскание..
Как визуализацию данных можно использовать для улучшения коммуникации прогнозной аналитики
Машинное обучение и прогностический анализ на основе ИИ могут помочь улучшить общее качество обслуживания клиентов, расставить приоритеты потенциальных клиентов, снизить риски, повысить эффективность и увеличить доходы в различных отраслях.
Анализ данных о дорожном движении в Сиэтле и прогнозирование рисков (проект IBM Capstone)
АНАЛИЗ ДОРОЖНЫХ ДАННЫХ В СИЭТЛЕ И ПРОГНОЗИРОВАНИЕ РИСКОВ
Окончательный проект IBM
Пуджа Мишра (10 октября 2020 г.)
1.Введение
Этот проект является нашей последней отправкой на курс IBM Data Science Professional Certificate на Coursera. Цель проекта — детализировать и использовать набор инструментов Data Science для прогнозного анализа.
Мы будем работать над реальной проблемой и продемонстрируем, как машинное обучение может помочь нам предсказать и обработать значение,..
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..