Публикации по теме 'supervised-learning'
Градиентный спуск с нуля: обзор вариантов GD
Градиентный спуск (GD) – самый известный метод оптимизации, используемый для обучения моделей машинного обучения (ML). Любой практикующий ML наверняка сталкивался с GD, когда делал свои первые шаги в ML. В этой статье мы рассмотрим три варианта GD и сравним их результаты с точки зрения точности, стоимости вычислений и изменчивости функции потерь. Вы готовы ? Поехали, семья!
Данные
Мы используем этот набор данных , который содержит информацию о рекламе и продажах. Обзор набора..
Введение в алгоритмы контролируемого обучения в машинном обучении
Машинное обучение — это увлекательная область, которая позволяет компьютерам учиться на данных и делать прогнозы или принимать решения без явного программирования. Среди различных методов машинного обучения обучение с учителем является наиболее распространенным и важным подходом. Эта статья служит вводным руководством по обучению с учителем и предназначена для начинающих. Мы изучим фундаментальные принципы обучения с учителем, обсудим популярные алгоритмы, такие как линейная регрессия,..
Построение аудиоклассификатора (Часть 2)
Наука о данных
Создание аудиоклассификатора (часть 2)
Я делился своим опытом создания аудиоклассификатора в сообщениях на Medium, до сих пор я рассказывал, как читать аудиоданные, ссылка на статью находится ниже. Прочитав эту статью, вы получите полезный контекст данных, с которыми мы будем работать в рамках этого тематического исследования.
Создание аудиоклассификатора Часть 1: Загрузка данных и создание меток gghantiwala.medium.com..
Какие существуют типы обучения?
Существует множество различных типов моделей обучения, которые можно использовать в зависимости от типа данных и задачи, которую необходимо решить.
В целом, как видно из рисунка, мы можем разделить модели обучения на следующие категории: Контролируемое , Неконтролируемое и Обучение с подкреплением .
1. Контролируемое обучение: ярлыки или предварительные знания для выходных данных предоставляются для каждого соответствующего входного сигнала. Мы можем разделить обучение с..
Алгоритм KNN с нуля в машинном обучении
Алгоритм k-ближайших соседей (KNN) — это простой, легко реализуемый алгоритм контролируемого машинного обучения, который можно использовать для решения задач как классификации, так и регрессии.
Реализация псевдокода с нуля
Преимущества
Алгоритм прост и легко реализуем. Нет необходимости строить модель, настраивать несколько параметров или делать дополнительные предположения. Алгоритм универсальный. Его можно использовать для классификации, регрессии и поиска (как мы увидим в..
Поведение онлайн-покупателя
Поведение онлайн-покупателя
Введение
1. В этой статье мы проанализируем поведение онлайн-покупателя, чтобы предсказать покупательское намерение посетителя, которое приведет к получению дохода или к его отсутствию.
2. Мы изучим различные факторы и их взаимосвязь с получением дохода.
3. Мы используем неконтролируемое обучение для уменьшения размеров и, таким образом, выясняем, сколько кластеров могут быть сгруппированы факторизованные переменные аналитики Google и страниц продуктов...
Список моделей машинного обучения
Полный список различных типов моделей машинного обучения:
"Линейная регрессия" Риджовая регрессия Лассо регрессия Эластичная чистая регрессия "Логистическая регрессия" Деревья решений Случайный лес Машины повышения градиента (GBM) XGBoost ЛайтГБМ КэтБуст Машины опорных векторов (SVM) К-Ближайшие соседи (КНН) Анализ главных компонент (PCA) Независимый компонентный анализ (ICA) Неотрицательная матричная факторизация (NMF) Модели Гауссовской..
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..