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..