WedX - журнал о программировании и компьютерных науках

Публикации по теме 'statistics'


Многофакторный анализ — Выход за пределы одной переменной за раз
Многомерный анализ и визуализация в Python В наши дни стало обычной практикой для компаний и предприятий собирать как можно больше информации, даже если варианты использования таких данных неизвестны во время сбора — надежда состоит в том, чтобы понять и использовать данные в какой-то момент в будущем. будущее. Как только такие наборы данных станут доступны, люди, ориентированные на данные, будут углубляться в данные в поисках скрытых закономерностей и взаимосвязей внутри данных...

Прогнозная аналитика с использованием программирования на R: выбор пакета безопасности автомобиля
Особая благодарность моим товарищам по команде Дони Коху, Дэниелу Симмондсу и Эзре Леру за их ценный вклад в завоевание 1-го места в конкурсе Analytics Edge Competition на Kaggle, крупнейшем в мире сообществе специалистов по данным и дочерней компании Google. Это наш самый первый конкурс Kaggle и скромное начало нашего пути к машинному обучению. Нажмите на эту ссылку, чтобы просмотреть более подробный отчет: The-Analytics-Edge-2023 Kaggle Report Subscription Team 13.pdf Что..

Почему новостники (и вы) должны понимать базовую статистику
Недавно я наткнулся на новостную статью после объявления результатов IIT JEE. Заголовок статьи гласил: «43 кандидата набрали 100 процентилей в JEE (основной)». Я задумался, несет ли этот заголовок какую-либо значимую информацию. Давайте пока отложим погружение в то, что на самом деле означает заголовок. Предположим, я представляю этот заголовок как вопрос статистики. Можете ли вы определить, сколько студентов явилось на экзамен ИИТ? В качестве альтернативы позвольте мне..

Регрессия против классификации
Регрессионный анализ и классификация — популярные инструменты, используемые для прогнозирования. Оба используют одну и ту же концепцию использования известных наборов данных (также называемых обучающими наборами данных) для прогнозирования будущих новых точек данных, чтобы сделать вывод. Обе эти проблемы попадают в категорию Машинное обучение с учителем , где задача включает в себя изучение функции, которая сопоставляет входные данные с выходными на основе примеров пар входных и..

Оценка категориальных моделей
Когда у вас есть категориальные данные, вы можете построить несколько моделей для прогнозирования новых наблюдений на основе данных. Вы можете создавать логистические регрессии, деревья решений, случайные леса, модели повышения и многое другое. Как вы их сравниваете и как определяете, какая модель лучшая ? Матрица путаницы Допустим, у нас есть двоичный набор категориальных данных, цель которого - предсказать, является ли что-то истинным или ложным. Мы строим несколько моделей, и..

Случайные переменные
Раскрытие сюрпризов со случайными величинами Случайная переменная  – это функция, а не переменная, которая присваивает возможное значение результату любого неопределенного эксперимента (например, подбрасыванию монеты). Пример. Когда мы подбрасываем монету, мы не уверены в результате подбрасывания. Он может быть представлен случайной переменной, которая может иметь значение «Голова» или «Сказки». Дискретная случайная переменная Он представлен целым числом. Отличается..

Самый простой способ понять матрицу путаницы | вы никогда не забудете после прочтения этого!
Вот простое объяснение матрицы путаницы для абсолютных новичков. Большинство новичков и даже некоторые опытные люди запутываются в матрице путаницы. В этом объяснении я попытаюсь разъяснить это простым способом, чтобы вы никогда больше не запутались в этом. Предположим, что модель используется для прогнозирования того, является ли группа из 50 человек положительной или отрицательной по коронавирусу. TN — True Negative: модель предсказала отрицательный результат на корону для 24..

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..


Для любых предложений по сайту: [email protected]