Публикации по теме 'statistics'
Прогноз погоды с использованием машинного обучения
Случайные процессы (семестровый проект)
1 РЕЗЮМЕ:
Традиционно прогнозы погоды составлялись с использованием сложных физических моделей, учитывавших различные погодные условия в течение длительного времени. Но эти условия часто неожиданно меняются, из-за чего модели дают неверные прогнозы. Для запуска этих моделей требуется много энергии в большой вычислительной среде с множеством узлов. В нашем проекте мы внедряем новый способ предсказания погоды. Вместо сложных моделей мы..
Как обнаружить дрейф данных с помощью проверки гипотез
млн операций в секунду
Как обнаружить дрейф данных с помощью проверки гипотез
Подсказка: забудьте о p-значениях
Дрейф данных беспокоит любого, у кого есть модель машинного обучения, работающая с прогнозами в реальном времени. Мир меняется, и по мере того, как меняются вкусы потребителей или демографические данные, модель начинает получать значения характеристик, отличные от тех, которые она видела при обучении, что может привести к неожиданным результатам. Обнаружение дрейфа..
Раскрытие основ моделей классификации
Раскрытие основ моделей классификации
Классификация — это контролируемая задача машинного обучения, в которой алгоритм пытается классифицировать новые точки данных на основе помеченных данных. Модель классификации — это математическая функция, которая сопоставляет входные данные с выходными категориями. В этой статье мы рассмотрим модели классификации, их типы и то, как они работают.
Типы моделей классификации
Существует несколько типов моделей классификации. Наиболее..
Обобщенные линейные модели (GLM) с приложением
Обобщенные линейные модели (GLM) с приложением
Изучение GLM позволяет вам понять, как мы можем использовать распределения вероятностей в качестве строительных блоков для моделирования. Я предполагаю, что вы знакомы с линейной регрессией и нормальным распределением.
Теорию Гаусса Наивного Байеса (GNB) можно найти ниже.
Математика наивного алгоритма Байеса и его применение Теорема Байеса утверждает, что условная вероятность события, основанная на..
Перевод основных функций Dplyr на Python
Введение
Вы можете обнаружить, что у вас есть набор инструментов, наполненный широким спектром инструментов в R, и по какой-либо причине вам может понадобиться выполнять те же функции, что и указанные инструменты в python. На первый взгляд переход от удобства и простоты R может показаться немного пугающим, поскольку ландшафт Python, хотя и достаточный, часто может производить то, что кажется слишком большим количеством переводов для данного…
Понимание апостериорной вероятности: ключевая концепция байесовского вывода и принятия решений
Что такое апостериорная вероятность?
Апостериорная вероятность в контексте байесовского вывода относится к вероятности гипотезы или события с учетом наблюдаемых данных. Он рассчитывается с использованием теоремы Байеса, которая обновляет априорную вероятность гипотезы или события на основе новых доказательств или данных.
Математически апостериорная вероятность (P(H|D)) рассчитывается как:
P(H|D) = (P(D|H) * P(H)) / P(D)
где:
P(H|D) — апостериорная вероятность гипотезы H при..
Numpy раскрыт: руководство для начинающих
Резюмируя основные выводы из моего изучения знаменитой научной библиотеки Python Numpy.
Чтобы запускать коды, показанные в этой статье, используйте онлайн-компилятор Python c . Это поможет вам понять и запомнить концепции по мере продвижения вперед, а также выработает привычку практиковаться в кодировании.
Многим компаниям, нанимающим на должности Python, особенно требуется знание библиотеки Numpy.
NumPy — это библиотека Python, используемая для работы с массивами. Он также..
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..