Публикации по теме 'towards-data-science'
Дрейф модели в машинном обучении — наука о данных
Подпишитесь на Квантификаторы для статей по финансам и аналитике
Мы ожидаем, что наша модель будет работать так же, как и с обучающими данными. Однако, если распределение производственных данных отличается от распределения обучающих данных, это может привести к дрейфу модели. Дрейф модели относится к снижению прогностической способности модели.
Дрейф модели возникает, когда:
Данные обучения плохо отобраны Происходит изменение основного бизнес-контекста
Почему важно..
Логика цикла For-Else
Цикл For-Else похож на оператор if-else? Что стоит за этой необычной конструкцией?
Эта статья предназначена для новичков, пытающихся понять, что такое Python-кодирование. Будучи новичком в Python, меня сначала смутил цикл For-Else. Название предполагает сходство с условием if-else, что наводит меня на мысль, что оно ведет себя аналогично (т. е. если блок «for» разрывается, блок «else» выполняется). На самом деле все наоборот: если блок for прерывается, то else также не выполняется,..
fast.ai: САМЫЕ ЛУЧШИЕ вещи в жизни всегда БЕСПЛАТНЫ
«Уютный тет-а-тет с другом и воспоминания о нем, хороший сон в удобной постели после напряженного рабочего дня, качественное времяпровождение с семьей, волонтерство для дела, в которое вы действительно верите, и вы всегда хотел помочь, смотреть в глаза этому человеку и дать ему почувствовать, насколько он особенный для тебя… »- вот лишь некоторые из лучших вещей в нашей жизни. Существует огромное количество таких обстоятельств, которые действительно помогают нам раскрыть все самое..
Стоит ли вам стать специалистом по анализу данных в 2021 году?
Мнение
Стоит ли вам стать специалистом по анализу данных в 2021 году?
Глубокое погружение в перспективы на 2021 год и дальнейшие перспективы.
Оглавление
Вступление Перспективы работы Платить Удаленный Резюме использованная литература
Вступление
С каждым новым годом мы все больше узнаем о звании Data Scientist . С течением времени мне не нужно объяснять, чем я занимаюсь изо дня в день , а также чем я занимаюсь в целом как специалист по анализу данных. В дополнение к..
Основы машинного обучения: классификация ближайших соседей по K
Изучите классификацию KNN и постройте модель на простом наборе данных, чтобы визуализировать свои результаты!
В предыдущих рассказах я давал объяснение программы для реализации различных моделей регрессии . Также я описал реализацию модели Логистическая регрессия . В этой статье мы увидим алгоритм K-Nearest Neighbours или KNN Classification вместе с простым примером.
Обзор классификации KNN
K-Nearest Neighbours или KNN Classification - это простой и легкий в реализации алгоритм..
GAN против автоэнкодеров: сравнение глубинных генеративных моделей
Хотите превратить лошадей в зебр? Сделать своими руками персонажей аниме или знаменитостей? Генеративные состязательные сети (GAN) - ваш новый лучший друг.
«Генеративные состязательные сети - самая интересная идея за последние 10 лет в машинном обучении». - Янн Лекун, директор по исследованиям искусственного интеллекта в Facebook AI
Часть 1 этого руководства можно найти здесь:
Введение в обучение по Тьюрингу и GAN Хотите превратить лошадей в зебр?..
Увеличение изображения для глубокого обучения с использованием Keras и выравнивания гистограмм
В этом посте мы рассмотрим:
Увеличение изображения: что это такое? Почему это важно? Керас: Как использовать его для базового увеличения изображения. Выравнивание гистограммы: что это такое? Чем это полезно? Реализация методов выравнивания гистограммы: один из способов изменить файл keras.preprocessing image.py.
Увеличение изображения: что это такое? Почему это важно?
Глубокие нейронные сети, особенно сверточные нейронные сети (CNN) , особенно хорошо справляются с задачами..
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..