Публикации по теме 'statistics'
7 шпаргалок по науке о данных, которые я хотел бы знать раньше (как новичок)
Как новичок в науке о данных на основе Python, вам может быть интересно, как изучить и понять ключевые концепции и библиотеки языка.
Теперь пришло время получить доступ к полезным шпаргалкам, которые могут вам очень помочь.
Что такое шпаргалки?
Шпаргалки — это краткие краткие справочники, которые обеспечивают быстрый и эффективный способ изучения и повторения ключевых понятий.
Они особенно полезны для новичков в науке о данных, поскольку предоставляют подробный обзор различных..
Остерегайтесь скрытой ошибки в результатах теста.
Почему вы должны указывать доверительные интервалы в своем наборе тестов
В экспериментальных науках мы привыкли сообщать оценки с планками погрешностей и значащими цифрами. Например, когда вы взвешиваете образец в лаборатории, вы можете считать его массу с точностью, скажем, до трех цифр. В машинном обучении все иначе. Когда вы оцениваете точность вашей модели, вы получаете значение с числовой ошибкой до машинной точности. Это похоже на то, как если бы оценка точности, выдаваемая..
Отбор проб из резервуара: простой алгоритм случайного отбора проб
Во многих приложениях нам может потребоваться случайная выборка подмножества данных из большего набора данных. Один из подходов к решению этой проблемы называется отбором проб из резервуара, который представляет собой простой, но мощный алгоритм случайного отбора проб. В этом посте мы рассмотрим, как работает алгоритм отбора проб пласта, его приложения и как его реализовать на Python.
Что такое отбор проб из резервуара?
Отбор проб резервуара — это метод, используемый для случайного..
Метрики регрессии для определения эффективности моделей регрессии
Регрессионные модели — это модели, которые используются для прогнозирования непрерывных или реальных значений, например , зарплаты, оценок, количества товаров, которые будут проданы, и т. д. Вот некоторые из популярных регрессионных моделей:
Линейная регрессия Регрессор дерева решений Случайный лесной регрессор Регрессор опорных векторов Регрессор повышения градиента Регрессор с экстремальным градиентом
Для расчета эффективности всех вышеперечисленных моделей мы..
Раскрытие силы предсказания: понимание цепей Маркова и их реальных приложений.
Цепи Маркова — это математические модели, используемые для представления последовательности событий в широком диапазоне приложений, включая финансовое моделирование, прогнозирование погоды и онлайн-рекламу.
Любой процесс моделирования, рассматриваемый как цепь Маркова, должен удовлетворять свойству Маркова. Свойство указывает, что вероятность будущих событий зависит только от текущего состояния, а не от каких-либо прошлых состояний. Система, представленная этим свойством, без памяти..
Data Scientist за 6 месяцев
Начать сейчас
Data Scientist за 6 месяцев
От основ до продвинутых
Можно добиться прогресса в качестве специалиста по данным за относительно короткий период времени, сосредоточившись на приобретении наиболее важных навыков и получении как можно большего практического опыта. Вот несколько шагов, которые вы можете предпринять, чтобы стать специалистом по данным за шесть месяцев:
1. Изучите программирование:
Изучение программирования — важный шаг на пути к тому, чтобы стать..
Основные статистические концепции, необходимые для начала карьеры в области науки о данных
Основные статистические концепции, необходимые для начала карьеры в области науки о данных
Как специалист по данным, важно иметь прочную основу в статистических концепциях и методах. Эти концепции и методы помогают вам понимать и анализировать данные, делать важные выводы и принимать обоснованные решения.
Эти 9 концепций помогут вам получить представление о том, как именно статистика и математика играют ключевую роль в карьере специалиста по данным.
Вот некоторые из важных и..
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..