Публикации по теме 'wine'
Практическое руководство по прогнозированию качества вина с использованием логистической регрессии
Введение
Вы когда-нибудь задумывались, можно ли предсказать качество вина на основе его химических свойств? В этом руководстве мы рассмотрим, как построить модель логистической регрессии для прогнозирования качества вина с использованием набора данных Wine Quality. Логистическая регрессия — это популярный метод для задач бинарной классификации, что делает его идеальным выбором для прогнозирования того, хорошего качества вино или нет. Итак, хватайте бокал любимого вина и вперед!..
Раскупоривание идей: путешествие по миру вина, основанное на данных
Введение
Вино, напиток, богатый традициями и культурой, на протяжении веков очаровывало как ценителей, так и новичков. Помимо искусства потягивания и наслаждения, мир вина представляет собой сложную картину вкусов, виноградников, регионов и, конечно же, рейтингов. Но что, если мы скажем вам, что вы можете глубже погрузиться в эту энологическую сферу, вооружившись не штопором, а инструментами анализа данных?
В этом сообщении блога мы приглашаем вас отправиться в путешествие,..
2022 Q1 обновление
Это было напряженное начало года, и мы очень рады поделиться с вами нашим прогрессом. Как мы уже упоминали в нашей Дорожной карте 2022 — в этом году все о последних 50 годах. Мы были сосредоточены на построении наших винтажных диаграмм и создании самого большого и наиболее полного набора винтажных партитур в мире. Наша цель на первый квартал года состояла в том, чтобы завершить и опубликовать наши винтажные карты с 1971 по 2021 год для Португалии, Южной Африки и Испании.
Португалия..
Мой первый проект ИИ
Целью этого проекта по распознаванию цвета вина является создание простой модели машинного обучения с использованием платформы fastai для распознавания красного или белого цвета вина. Это введение в более крупную модель для прогнозирования качества вина, другие аспекты которой выходят за рамки этого проекта и могут быть реализованы с надеждой на будущее. Это интересует меня, потому что, как любители вина, мы полагаемся на свои чувства, чтобы создавать винные ноты, тогда как наличие..
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..