Публикации по теме 'unsupervised-learning'
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..
Априори : базовое понимание и реализация
Мухамад Фанди, Дикки Либрата С., Кезия Интан Н.
Apriori — это хорошо известный алгоритм в области интеллектуального анализа данных и обнаружения знаний. Он используется для поиска частых наборов элементов и изучения правил ассоциации в транзакционных базах данных. Алгоритм основан на априорном свойстве, которое гласит, что если набор элементов является частым, все его подмножества также должны быть частыми.
Алгоритм Apriori в основном используется в анализе потребительской корзины,..
Реорганизация конференции по студенческому футболу — Кластеризация
Добро пожаловать в третью часть этой серии статей о реорганизации конференций! Это сообщение в блоге, где мы начнем использовать набор данных для обоснования решений о перенастройке. Есть распространенная жалоба на то, что реорганизация конференции разрушает традиционное соперничество и региональный аспект студенческого футбола. Это правда, что студенческий спорт имеет тенденцию быть региональным. Это даже в названии самих конференций: Pacific 12, Atlantic Coast, Southeast и Big East..
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?..
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..
Давайте сделаем катушки!… Проект машинного обучения без присмотра
Недавно, когда я изучал алгоритм кластеризации K-Mean. Моя подруга, которая делает много роликов в Instagram, пришла ко мне, чтобы предложить свои несколько мест в Ченнаи, где она может исследовать разные кухни и создавать контент для своих роликов. Как естественный замкнутый человек, я не имел об этом большого представления. Но мне вдруг пришла в голову идея использовать данные о ресторанах в Ченнаи и использовать алгоритм K-Mean, чтобы предложить ей несколько мест.
Я не получил..
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..