Публикации по теме 'r'
Прогнозы новичков на 2019 год
Medium Import все еще не работает, так что, думаю, я продолжу писать вдвое больше контента.
Новичков трудно предсказать
Это ни для кого не должно быть новостью. Вообще, спорт трудно предсказать. Эта статья будет состоять из графиков, показывающих, где, по нашему мнению, окажутся игроки, если у них будет немного игрового времени.
Если вы хотите просмотреть содержимое нашего сайта, используйте эту ссылку
Гридирон ИИ | Искусственный интеллект, аналитика и..
Слишком много выбросов? — Винсоризация
При подготовке данных для машинного обучения вы часто будете сталкиваться с функциями со значениями, которые отделены от остальных, мы называем их выбросами. Такие значения являются проблемой для большинства моделей, поскольку они чувствительны к выбросам. Что ж, алгоритмы регрессии, такие как робастная регрессия, регрессоры XGBoost и некоторые другие, считаются «устойчивыми» к выбросам, но я понял, что это может быть не так, когда у нас довольно много выбросов. Данные из реальной..
Внедрение сложного приложения R в рабочую среду с помощью Argo Workflows
Привет! Меня зовут Педро Затерка , я научный сотрудник и инженер по машинному обучению в компании 4intelligence . Мы — бразильский стартап, специализирующийся на экономике и искусственном интеллекте, предлагающий консультационные услуги, а также платформу AutoML, которую мы называем FaaS (прогноз как услуга). Основное узкое место и то, что Argo помогла нам решить, сосредоточено на последнем, но все области взаимосвязаны, поскольку наши внутренние команды также в значительной степени..
Специальные возможности Веб-разработка — Как сделать приложения R Shiny доступными — R-программирование
Могут ли ваши информационные панели R Shiny использоваться всеми пользователями? Сегодня мы рассмотрим специальные возможности R Shiny — концепцию, которую должен знать любой веб-разработчик.
Крайне важно, чтобы вы обратили внимание на доступность R Shiny на раннем этапе. Почему? Потому что вы хотите убедиться, что ваши данные…
Глава 2: Предварительная обработка данных в Python и R (Часть 03)
Мы находимся на последнем этапе подготовки нашего набора данных для начала настоящего веселья!
Если вы не читали сообщения до этого, я настоятельно рекомендую вам вернуться и проверить их, чтобы продолжить!
Разделение набора данных на обучающий набор и тестовый набор
Почему мы должны разделить наш набор данных на два?
Вот почему! Предположим, вам преподают какой-то материал курса в классе. Лучший способ изучить материал - пройти тест. Вы пишете ответы на вопросы и проверяете,..
Поведение онлайн-покупателя
Поведение онлайн-покупателя
Введение
1. В этой статье мы проанализируем поведение онлайн-покупателя, чтобы предсказать покупательское намерение посетителя, которое приведет к получению дохода или к его отсутствию.
2. Мы изучим различные факторы и их взаимосвязь с получением дохода.
3. Мы используем неконтролируемое обучение для уменьшения размеров и, таким образом, выясняем, сколько кластеров могут быть сгруппированы факторизованные переменные аналитики Google и страниц продуктов...
Визуализация деревьев | Раздел + Дерево
Этот пост любезно предоставлен компанией Displayr , которая щедро предложила спонсировать серию независимых публикаций об интерактивной визуализации с помощью R и JavaScript. Большое спасибо Displayr за эту возможность.
Прежде чем я начну второй пост в этой серии, я хотел убедиться, что все мои читатели R знают, что диаграммы в этом посте созданы в R с использованием htmltools . Кроме того, каждая диаграмма должна иметь ссылку на воспроизводимый код.
В нашей первой попытке..
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..