Публикации по теме 'data-analytics'


Импорт наборов данных в Google Colab
Сначала нужно узнать, что такое Google Colab? Итак, Colaboratory, или сокращенно Colab , — это продукт Google Research. Colab позволяет любому писать и выполнять код Python через браузер и особенно хорошо подходит для машинного обучения, анализа данных и обучения. Некоторые из преимуществ Colab по сравнению с Jupyter включают более простую установку пакетов и совместное использование документов. Google Colab делает все то же, что и ваш блокнот Jupyter, и даже немного больше...
Будущее машинного обучения
Машинное обучение Машинное обучение — одна из самых горячих тем в современном техническом мире, и оно скоро будет править миром. Беспилотные автомобили и роботы Google получают много внимания в прессе, но настоящее будущее компании — в машинном обучении . », технология, которая позволяет компьютерам становиться умнее и персональнее. Как это будет, если компьютер будет действовать и думать как человек… Возможно ли это? ДА, вот что такое машинное обучение. Мы собираем огромное количество..
Прогноз зарплат игроков НБА с помощью линейной регрессии
Этот пост представляет собой краткое руководство по построению моделей линейной регрессии для прогнозирования зарплат игроков НБА. Моя цель — изучить, как можно использовать различные статистические данные НБА для прогнозирования зарплаты игрока НБА с 1990 по 2020 год, а цели этого проекта — выяснить, какие статистические данные лучше всего предсказывают зарплату игрока НБА, а а также выполнить прогноз зарплаты игрока. Методология Источник данных Набор данных о зарплатах..
Работа с несбалансированными классами !!!
Одной из многих проблем с классификацией в реальном мире машинного обучения является проблема несбалансированных данных. Несбалансированные данные означают, что классы, присутствующие в наших данных, непропорциональны. Это означает, что соотношение каждого класса отличается, где один из классов в основном присутствуют в наборе данных, а другие присутствуют незначительно. Проблемы с несбалансированными данными? В то время как обучение модели приводит к тому, что модель..
Предположения линейной регрессии
Введение Модель регрессии - это модель, в которой мы прогнозируем целевые значения с помощью независимых переменных. Целевые значения в регрессионных моделях являются непрерывными, а не дискретными. Существуют разные виды регрессионных моделей. Эти модели различаются в зависимости от отношения между независимой переменной и зависимой переменной, а также количества используемых независимых переменных. Одна из основных моделей - линейная регрессия. Линейная регрессия выполняет задачу..
просто некоторые вещи
благодаря различному опыту и проектам, вот некоторые навыки, которые я развил за последние несколько лет: - чтение, интерпретация, изменение и написание скриптов для нормализации, обработки и обогащения наборов данных — написание и выполнение сценариев для автоматизации повторяющихся ручных процессов обработки данных — сбор информации из различных источников для подготовки брифингов и презентаций, включающих визуализацию данных в виде таблиц, диаграмм, диаграмм или других графических..
Узнайте о SVM ядра / нелинейной SVM.
«Если вы не можете объяснить это просто, значит, вы недостаточно хорошо это понимаете». - Альберт Эйнштейн Ранее мы узнали о Linear SVM, о том, как она работает и как ее реализовать с помощью sklearn. Сегодня мы узнаем о Kernel SVM или нелинейной SVM. Наборы данных, над которыми вы будете работать или над которыми работаете, не всегда могут быть линейными. Один из подходов к обработке нелинейных наборов данных состоит в добавлении дополнительных функций, таких как полиномиальные..