Публикации по теме 'supervised-learning'
Машинное обучение: простая линейная регрессия с Python
Машинное обучение (МО) — это тип искусственного интеллекта (ИИ), который позволяет программным приложениям более точно прогнозировать результаты без явного программирования для этого. Алгоритмы машинного обучения используют исторические данные в качестве входных данных для прогнозирования новых выходных значений.
Существует 3 популярных типа машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением.
В этом случае мы узнаем о контролируемом обучении с..
Деревья решений 2/2
2/2 содержит кодовую часть алгоритма классификатора деревьев решений.
Краткий обзор того, что мы узнали в Дереве решений 1/2 .
Дерево решений — это инструмент поддержки принятия решений, который использует древовидную модель решений и их возможных последствий, а также оценки вероятности и затрат для прогнозирования результата решения. Классификаторы дерева решений широко используются во многих областях, таких как оценка кредитного риска, медицинская диагностика и классификация..
Обзор алгоритмов обучения с полуучителем — Часть 2
Продолжая обзор литературы по алгоритмам полууправляемого обучения, мы подошли к недооцененному многопрофильному обучению.
С. 2. Многопрофильное обучение
Обучение с несколькими представлениями относится к классу методов обучения, в которых используется соглашение между разными учащимися. Здесь предположения о совместном обучении не требуются для моделей обучения с несколькими представлениями. Вместо этого несколько методов обучения (например, деревья решений, SVM и т. д.) обучаются..
Создайте отчет о сегментации клиентов для Arvato Financial Solutions
1 Введение
Обзор проекта
В этом проекте я работаю с реальными данными, предоставленными нам партнерами Bertelsmann AZ Direct и Arvato Finance Solution. Приведенные здесь данные относятся к компании, занимающейся продажами по почте в Германии. В процессе этого анализа мы обсудим основной бизнес-вопрос ниже на основе всех демографических данных населения Германии и клиентов компании, занимающейся доставкой по почте.
Какие группы населения Германии могут быть представлены..
Машинное обучение: День 2 — Введение в машинное обучение, контролируемое и неконтролируемое обучение, обучение с подкреплением
ВВЕДЕНИЕ
Привет! Меня зовут Усман Хатри, и добро пожаловать в мой ежедневный блог о моем обучении машинному обучению!
Сегодня я посмотрел самую первую лекцию курса машинного обучения, предложенного Стэнфордским университетом ( CS229 ), который настоятельно рекомендуется для начала обучения машинному обучению. Давайте обсудим, чему я научился сегодня и как вы можете начать собственное обучение.
ПРИМЕЧАНИЯ И РЕСУРСЫ
Я наткнулся на удивительный лист Google Docs, который охватывает..
Тест по машинному обучению 05: дерево решений (часть 1)
Давайте проверим ваши базовые знания о дереве решений. Предлагаем вам 10 вопросов с несколькими вариантами ответов без ограничений по времени. Развлекайся!
Вопрос 1. Деревья решений также известны как CART. Что такое CART? (A) Деревья классификации и регрессии (B) Инструмент анализа и исследования клиентов (C) Доступ к коммуникациям Перевод в реальном времени (D ) Компьютеризированная автоматическая методика оценки
Вопрос 2. Каковы преимущества деревьев классификации и..
«Мастерство машинного обучения: раскрытие лучших алгоритмов контролируемого обучения для всестороннего…
Введение
Алгоритмы обучения с учителем — это класс алгоритмов машинного обучения, которые учатся на размеченных обучающих данных, чтобы делать прогнозы или принимать решения. Здесь мы дадим краткое объяснение некоторых популярных алгоритмов обучения с учителем:
1. Линейная регрессия:
Линейная регрессия предсказывает непрерывные числовые значения путем подбора линейного уравнения к данным. Он предполагает линейную связь между входными объектами и целевой переменной. Линейная..
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..