Публикации по теме 'visualization'
Выбирайте лучшие функции с диаграммами Санки
Выбирайте лучшие функции с диаграммами Санки
Выбор функций — это важный этап в конвейере моделирования машинного обучения. Используйте диаграмму Санки, чтобы визуализировать и настроить процесс выбора функций.
Выбор функций — важный этап в процессе машинного обучения, когда мы выбираем наиболее подходящие функции из большого количества функций для построения модели. Целью выбора признаков является повышение точности и эффективности модели, а также уменьшение переобучения и..
Забудьте о детерминизме, см. Случайность в действии: как моделировать цены на акции
Геометрическое броуновское движение в Python с Matplotlib
Нашу интуицию легко исказить с помощью простого мысленного эксперимента. Если кто-то предложит вам миллион долларов сразу или даст вам пенни, которые удваиваются каждый день в течение месяца, что бы вы выбрали? Выбор за вами, но я бы посоветовал выбрать копейки.
Что важно в предыдущей головоломке, так это то, что удвоение пенни подчиняется закону геометрической прогрессии . Это закон мультипликативного выражения изменений в..
Мандельброт и Джулия — Математическая визуализация и красота
Я был очарован идеей теории хаоса с тех пор, как прочитал об эффекте бабочки. Подробнее об этом я читал в книге Джеймса Глейка «Хаос», в том числе и о Мандельброте. Но пока я не прочитал «Создай свой собственный Мандельброт» Тарика Рашида , я не осознавал, насколько простым было уравнение для рисования Мандельброта.
Это безобидно выглядящее уравнение порождает удивительное множество Мандельброта.
Небольшое изменение входных данных того же уравнения даст набор Жюлиа. Это порождает..
Тензоры, представленные с помощью визуализаций: демистификация основы глубокого обучения
Когда я был новичком в глубоком обучении, мне было трудно визуализировать тензоры и их размеры. Вот визуальное введение в тензоры и их размерности для начинающих, а также опытных парней.
Итак, прежде чем начать, почему тензоры поначалу так тяжело даются? Это потому, что большинство из нас не очень хорошо визуализирует больше, чем пару измерений. В то время как тензоры могут быть глубже!
Что такое тензор?
Это очень просто; тензор - это просто контейнер для числовых данных...
Использование BERTopic для анализа данных Twitter чемпионата мира по футболу в Катаре: часть 2
Это вторая часть использования BERTopic для анализа данных твиттера нашего чемпионата мира, где мы рассмотрим динамическое тематическое моделирование (DTM). Проверьте часть 1 здесь .
Загрузить данные
В первой части урока я сохраняю данные под именем «world_cup_tweets.pkl». Теперь мы можем рассолить его, используя:
import pandas as pd
import pickle
with open('world_cup_tweets.pkl', 'rb') as f:
data = pickle.load(f)
Динамическое моделирование темы
Динамическое..
Hacktoberfest 2022 с аналитикой процессов
Привет энтузиастам с открытым исходным кодом 👋
В этом году команда Process Analytics снова принимает участие в Hacktoberfest 2022 , как и мы в Hacktoberfest 2021 и Hacktoberfest 2020 .
Будь вы новичок или опытный front-end разработчик, вы никогда не занимались front-end разработкой, но вы пришли из сообщества процессной аналитики или управления бизнес-процессами, или просто вы фанат процессов 😍, у нас есть вопросы для тебя !
Мы приветствуем вашу помощь в улучшении проекта с..
Создание информационной панели по коронавирусу в Сингапуре
Подтвержденные случаи в Сингапуре
Поскольку вспышка коронавируса из Ухани распространяется по всему миру, почти все в Сингапуре следят за новостями об этом вирусе.
С точки зрения данных я понял, что о распространении и росте вспышки вируса в Сингапуре ничего не известно. После некоторого времени в Google я решил создать свою собственную панель управления.
Подробности относительно этих случаев
Вот вся панель управления
Tableau Public..
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..