Публикации по теме 'supervised-learning'
Освоение контролируемого обучения с помощью Python стало проще и интереснее!
Аннотация:
Погрузитесь в захватывающий мир контролируемого обучения с помощью Python в этой увлекательной статье. Мы расскажем об основах обучения с учителем, важности разработки признаков и о том, как выбрать правильный алгоритм для решения вашей задачи. Получите практический опыт с пошаговым примером, используя популярную библиотеку Python Scikit-learn. Наконец, мы раскроем секреты оценки и тонкой настройки моделей для максимально возможной производительности.
Ключевые слова:..
Под присмотром и без присмотра, под присмотром и подкреплением, о боже!
Или как подготовиться к апокалипсису машинного обучения
В наше время все мы знаем, что компьютеры захватят мир. Если не полностью, то наше общество, по крайней мере, будет сильно полагаться на них. Итак, чтобы дать вам представление о нашем будущем диктате — я имею в виду руководителей, вот руководство для начинающих по четырем распространенным методам машинного обучения: обучение с учителем, обучение без учителя, обучение с полуучителем и обучение с подкреплением.
Какое тебе дело?..
Контролируемое машинное обучение — Все дело в предположениях!!!
Почему бы не вызвать или угадать, а не вывести или вывести?
Однажды я подумал, почему бы нам не сформулировать Угадать/вывести уравнения движения? вместо Вывести/вывести уравнения движения? такой вопрос заставил меня понять то, что выведено логически , может быть получено и выведено, а то, что основано на предположении или вероятности, может быть угадано или индуцировано.
Соединение точек с контролируемым обучением
К счастью, это вернуло меня во времена, когда я впервые узнал..
Линейная регрессия — Пошаговая глубокая интуиция
Машинное обучение — это наука о том, как заставить компьютеры действовать без явного программирования.
— Эндрю Нг
Среди различных методов машинного обучения линейная регрессия является одним из фундаментальных и широко используемых алгоритмов. Это мощный инструмент для прогнозирования числовых значений на основе взаимосвязей между переменными. В этой статье мы углубимся в интуицию, лежащую в основе линейной регрессии, раскроем ее концепции, приложения и лежащую в ее основе..
Типы машинного обучения
В этой статье представлены типы машинного обучения и используемые методы.
Машинное обучение включает в себя показ большого объема данных машине, чтобы она могла учиться и делать прогнозы, находить закономерности или классифицировать данные. Три типа машинного обучения: контролируемое, неконтролируемое и обучение с подкреплением.
Эти алгоритмы машинного обучения помогают решать различные бизнес-задачи, такие как регрессия, классификация, прогнозирование, кластеризация, ассоциации и..
Должен поймать их всех - МЛ о покемонах
В моей предыдущей публикации я объяснил процедуры, которые я проделал для классификации цветов ириса с помощью контролируемых методов обучения K-ближайшего соседа и Наивного Байеса.
Привет ML - Классификация Ирис Флауэрс Набор данных Ирис считается« Привет, мир машинного обучения. Итак, студент, изучающий компьютерную инженерию, начинающий ML… medium.com »
Недавно я столкнулся с другим эксцентричным набором данных, который представляет..
«Руководство для начинающих по машинному обучению: раскрытие возможностей ИИ с помощью экспериментов и…
«Руководство по машинному обучению для начинающих: раскрытие потенциала ИИ с помощью экспериментов и исследований»
Машинное обучение — это тип искусственного интеллекта (ИИ), который позволяет компьютерам учиться на данных и принимать решения без явного программирования. Это мощная технология, которая позволяет машинам автоматически распознавать закономерности и делать прогнозы на основе этих закономерностей. Машинное обучение — это быстро развивающаяся область с приложениями во..
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..