Свързани публикации 'data-science'
„Постигане на баланса: пристрастия и вариации в машинното обучение и аналогията с голфа“ „Постигане на...
Преминаване към гласови медии: Отключване на нови възможности за ангажиращо съдържание
„Постигане на баланса: пристрастия и вариация в машинното обучение и аналогията с голфа“ Компромис с вариациите на пристрастията. vocal.media
Заглавие: Вълнуващи новини: Присъединете се към мен във Vocal Media за изключително съдържание!
Здравейте, прекрасни читатели!
Имам някои фантастични новини, които да споделя с всички вас. След..
Тенденции в науката за мащабиране на данни
Науката за данни е интердисциплинарна област, която използва научни методи, процеси, алгоритми и системи за извличане на знания и прозрения от шумни, структурирани и неструктурирани данни, като по този начин прилага знания и приложими прозрения от данни в широк спектър от приложни домейни. Науката за данни обхваща разнообразен набор от възможности, които носят ценни прозрения, за да позволят вземането на бизнес решения. Науката за данни се появи през миналия век като област на изследване, в..
Изследване на техники за намаляване на размерността в науката за данни
Науката за данни е интердисциплинарна област, която се занимава с извличане на знания от сложни и големи набори от данни. В много приложения от реалния свят данните са многоизмерни, което означава, че съдържат голям брой функции. Такива набори от данни могат да бъдат трудни за анализиране, визуализиране и моделиране и могат да доведат до пренастройване или лошо обобщение. Техниките за намаляване на размерността са набор от методи, които имат за цел да се справят с този проблем чрез..
Показатели за ефективност за модели на машинно обучение
Има няколко начина за измерване на ефективността на модел за машинно обучение в зависимост от конкретната задача и цели. Ето някои общи показатели за оценка, използвани в различни типове задачи за машинно обучение:
Класификационни показатели:
Точност: Делът на правилните прогнози от общия брой прогнози. Прецизност: Съотношението на истинските положителни прогнози към общия брой положителни прогнози, измервайки способността на модела да избягва фалшиви положителни резултати...
Работа с проследяване на знания част 5 (Анализ на данни)
Подобряване на интерпретируемостта на дълбоко последователни модели за проследяване на знания с ориентирани към въпроси когнитивни представяния (arXiv)
Автор: Jiahao Chen , Zitao Liu , Shuyan Huang , Qiongqiong Liu , Weiqi Luo
Резюме: Проследяването на знания (КТ) е решаваща техника за прогнозиране на бъдещото представяне на учениците чрез наблюдение на техните исторически процеси на обучение. Благодарение на мощната способност за представяне на дълбоките невронни мрежи, беше..
Създайте табло за обяснение на LIME с най-малко редове код
Практически уроци
Създайте табло за обяснение на LIME с най-малко редове код
Сравнение на Flask, Plotly Dash и Streamlit за изграждане на табла за управление, които предоставят LIME обяснения за резултатите от класификацията
В по-ранна публикация описах как да обясня резултатите от фино зърнест класификатор на настроения с помощта на LIME ( L локален I interpretable M model- агности E чни обяснения). За да обобщим, следните шест модела бяха използвани за изготвяне на фини..
Ръководство за внедряване на алгоритъм за изкуствени невронни мрежи в машинно обучение: Стъпка по стъпка...
Изкуствените невронни мрежи (ANN) са популярна техника за машинно обучение, използвана за решаване на сложни проблеми в различни области като разпознаване на изображения и реч, обработка на естествен език и прогнозни анализи. В тази статия ще проучим процеса на използване на ANN върху онлайн набор от данни, стъпка по стъпка, включително подробни примери за код, оценка на модела и визуализация.
Стъпка 1: Импортиране на библиотеките
Първата стъпка е да импортираме необходимите..
Нови материали
Създайте разширение за Chrome с помощта на Angular
Този урок е базиран на манифеста на разширението на chrome версия 3 (MV3), а също и на Angular версия 2+ (2, 3 и...). Ако не сте използвали манифест версия 3, можете да следвате този урок ,..
За да научите нов език за програмиране, започнете отначало
Първоначално публикувано на http://www.mberlove.com/blog/a-new-programming-language-starting-over/
Програмистите се гордеят със способността си да усвояват лесно нови умения , разчитайки..
5 Youtubers на Data Science, които трябва да следвате
Защото всички можем да се справим с малко продуктивно отлагане
Всички сме падали в заешката дупка на Youtube, така че защо да не я направим продуктивна?! Като непрекъснато нарастващ източник..
Бих казал, че точно това е проблемът с Twitter — това е инструмент на суперпотребител.
Бих казал, че точно това е проблемът с Twitter — това е инструмент на суперпотребител. По същия начин, по който суперкодерът сочи vim като единствения начин за кодиране, но останалите от нас..
Основи на Gradio
Gradio е най-ефективният метод за демонстриране на вашия модел на машинно обучение и разполага с удобен за потребителя онлайн интерфейс, който го прави достъпен от всяко място.
Какво прави..
Илюстрация (GIF) за обяснение на дълбоки конволюционни мрежи (DCNN)
В света на компютърното зрение най-основният и често срещан алгоритъм за разпознаване на изображения е конволюционната мрежа. С популярността на рамки като tensorflow и pytorch, стана по-лесно да..
Python Bootcamp — Data Science Day 165
Python Bootcamp от Giles McMullen-Klein беше абсолютно невероятно. Джайлс има този уникален начин да улови аудиторията си, като същевременно прави съдържанието на курса много интересно...