Публикации по теме 'statistical-analysis'
Как сделать ваш классификатор безопасным?
Рассказ об оценке точности классификаторов машинного обучения / глубокого обучения на основе статистических показателей расстояния (SafeML и SafeDL) - Часть I.
Оглавление
Введение Идея SafeML Статистические расстояния Заключение Ссылки Связанные проекты GitHub Похожие сообщения в Medium
1. Введение
В настоящее время искусственный интеллект (ИИ) быстро растет, и его приложения доминируют во многих различных областях. Параллельно с этим быстрым ростом растет и..
Статистическое моделирование: коэффициент инфляции дисперсии (VIF) в регрессионном анализе.
Получите представление о факторе инфляции дисперсии (VIF) и его роли в выявлении мультиколлинеарности в регрессионных моделях. Узнайте, как интерпретировать значения VIF, диагностировать коррелированные независимые переменные и повышать стабильность модели.
Насколько актуальна матричная факторизация в системе рекомендаций?
Что такое матричная факторизация?
Простая матричная факторизация — это метод разложения одной матрицы в произведение двух матриц.
например: матрица размерности mxn может быть разложена как mxd и dxn
Думайте о любом наборе данных взаимодействия пользователя с элементом как о матрице, которая имеет реальные значения (рейтинги).
что он на самом деле делает с нашим набором данных о взаимодействии с пользовательскими элементами?
Это помогает нам находить функции (скрытые функции)..
Построение модели бинарной классификации с помощью R AND STAN.
Как вы, возможно, уже знаете, машинное обучение предоставляет мощные инструменты для создания моделей классификации — моделей, которые используются для классификации или распределения данных по различным классам или категориям на основе их характеристик или атрибутов.
В этом посте представлен вероятностный подход к решению задач классификации с использованием программирования на R и STAN , мощного языка статистического моделирования, основанного на гамильтоновых алгоритмах Монте-Карло...
Насколько хороша ваша модель? Силуэт Score может сказать. Вот о чем речь.
Итак, вы наконец-то разобрались с машинным обучением. Вы знаете, как создавать свои модели и определять разницу между контролируемым и неконтролируемым обучением, и если вы читаете эту статью, вы, вероятно, наткнулись на что-то под названием «Оценка силуэта» или «Коэффициент силуэта» при изучении алгоритмов кластеризации.
Что ж, в настоящее время реализовать алгоритмы машинного обучения не так уж сложно, как и их оценка. Начните с импорта метрик модуля scikit-learn . Самое лучшее в..
Решение проблем с помощью машинного обучения
Что такое машинное обучение? Мой ответ на этот вопрос со временем менялся.
Цель этого поста — показать, как инженеры по машинному обучению решают проблемы, пройдя через тематическое исследование. Если вы тесно сотрудничаете с инженерами по машинному обучению или сами стремитесь стать инженером по машинному обучению, продолжайте читать.
Модели машинного обучения в их наиболее распространенной форме сопоставляют входные данные с выходными. Это эквивалентно функции в..
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..