Публикации по теме 'regression'
Машинное обучение с новыми бессерверными функциями DigitalOcean
10 простых шагов для развертывания модели машинного обучения с функциями
Вчера DigitalOcean выпустила свои новые бессерверные функции для общего пользования вместе с некоторыми примерами из закрытой бета-версии . Я пишу эту статью, чтобы помочь вам начать работу, когда вы опробуете проекты машинного обучения на основе этого нового вычислительного подхода.
Новые функции DigitalOcean работают аналогично функциям AWS lambda и azure. У них очень низкие вычислительные мощности,..
С нуля до продвинутого о регрессии!
Регрессия — это мощный инструмент, который используется в самых разных реальных приложениях для прогнозирования, понимания взаимосвязей между переменными и выявления закономерностей в данных. Некоторые из наиболее распространенных применений регрессии включают:
Экономика . Регрессия используется для моделирования экономических тенденций, прогнозирования будущих экономических условий и понимания взаимосвязи между различными экономическими переменными. Финансы . Регрессия используется..
Прогноз медицинских расходов с использованием линейной регрессии | Нандита Поре
Введение:
Медицинские расходы часто могут быть серьезной проблемой для отдельных лиц и семей. Прогнозирование этих затрат может иметь серьезные последствия для страховых компаний, поставщиков медицинских услуг и политиков. В этом сообщении блога мы углубимся в мир прогнозирования медицинских расходов с использованием линейной регрессии. Мы проведем вас через весь процесс: от загрузки набора данных до оценки производительности модели, предоставляя примеры кода на каждом этапе...
Лассо-регрессия: подробное руководство по выбору функций для надежной регрессии
Лассо-регрессия — популярный метод выбора признаков, который широко используется в машинном обучении, статистике и электротехнике. Это тип линейной регрессии, который использует регуляризацию L1 для сведения коэффициентов менее важных функций к нулю. В результате получается разреженная модель, которая включает только наиболее важные функции, что упрощает интерпретацию и повышает эффективность вычислений.
Одним из основных преимуществ регрессии Лассо является ее способность обрабатывать..
Data Science 101 — Регрессионная аналитика; Мощный инструмент для бизнеса
Что такое регрессионный анализ и как его использовать, чтобы лучше понять свой бизнес?
Автор Ань Ле . Подпишитесь на нее в Medium и LinkedIn , чтобы узнать больше. Также подпишитесь на Desa Analytics на Medium, чтобы получать уведомления о публикации новых блогов.
Введение
Y = mx + b — это первая регрессия, которую все учат. Это уравнение прямой линии, и вы можете использовать его, чтобы сделать простой прогноз любого события. Например, если у вас есть план мобильного телефона,..
Алгоритмы регрессии
Алгоритмы регрессии — это тип алгоритма машинного обучения, используемый для прогнозирования числовых значений на основе входных данных. Алгоритмы регрессии пытаются найти взаимосвязь между входными и выходными переменными, подгоняя математическую модель к данным. Цель регрессии — найти математическую взаимосвязь между входными признаками и целевой переменной, которую можно использовать для точного прогнозирования новых, невидимых данных.
Существует множество различных типов..
Случайное моделирование леса для прогнозирования почасового спроса на велосипеды в районе Ттарынджи в Сеуле, Южный…
Задача регрессии обучения с учителем.
Фон
Растущее повсеместное распространение информационных технологий за последние два десятилетия привело к массовому расцвету так называемой экономики совместного использования, создав возможности для большого количества людей коллективно использовать физические объекты или услуги, которые ранее были доступны только в форме частной собственности. Мы видели, как появилось несколько компаний, которые воспользовались этим изменчивым ландшафтом,..
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..