Публикации по теме 'datascience-training'
МАШИННОЕ ОБУЧЕНИЕ
Машинное обучение – это отрасль искусственного интеллекта, которая позволяет компьютерам учиться на данных, распознавать закономерности и делать прогнозы или решения без явного программирования. Он используется в различных областях, от здравоохранения до финансов, для автоматизации задач, получения ценной информации и улучшения процессов принятия решений, совершая революцию в том, как мы взаимодействуем с технологиями.
Использование машинного обучения: трансформация отраслей..
Python для машинного обучения день-01
Привет всем!
Я рад сообщить, что начинаю новую серию статей на Medium под названием «Дни машинного обучения». В этой серии я буду делиться тем, что узнаю о машинном обучении каждый день. Надеюсь, вы присоединитесь ко мне в этом путешествии!
Сегодня мы поговорим об основах программирования на Python. Python — мощный язык, который часто используется для машинного обучения. Если у вас нет опыта работы с Python, не волнуйтесь! Я начну с самых основ.
Мы рассмотрим следующие..
Эффективность случайных лесов
Любимые алгоритмы очень часто встречаются среди практиков машинного обучения. Это немного неразумно, потому что ни один из методов не доминирует полностью во всех приложениях, а производительность алгоритмов машинного обучения сильно различается в зависимости от приложения и размерности набора данных. Даже для данной проблемы и набора данных любая отдельная модель почти наверняка будет побеждена ансамблем различных моделей, обученных с использованием различных методов. Однако у..
Система рекомендаций по культурам с использованием машинного обучения
Система рекомендаций по культурам с использованием машинного обучения
Отчет и анализ проекта системы рекомендаций по культурам.
1. О наборе данных.
2. Отчет об анализе проекта
3. Код ноутбука
4. Образец обучающего кода
5. Флэш-код
6. Код сайта
О наборе данных
Вот более подробное описание каждого столбца в наборе данных системы рекомендаций по культурам:
N: количество азота в почве в кг/га.
P: Количество фосфора в почве в кг/га.
K: Количество калия в почве в..
Многие из них до сих пор сомневаются и не имеют четкого представления о разнице между искусственным…
Многие из них все еще сомневаются и не имеют четкого представления о разнице между искусственным интеллектом, машинным обучением, глубоким обучением и наукой о данных. И в этом блоге я собираюсь поставить полную точку для всех этих сомнений.
Одним словом, искусственный интеллект — это не что иное, как заставить машину думать . Машинное обучение — это разновидность искусственного интеллекта, которая заставляет систему учиться на данных без явного программирования, а также..
Feature Encoding Basic to Advance — Часть 2
Введение:
В этой статье мы увидим кодирование признаков для номинальных категориальных признаков .
Часть 1 Ссылка: https://medium.com/@banarajay/feature-encoding-basic-to-advance-part-1-5fb72e415561
1. Горячее кодирование:
One-Hot Encoding — еще один популярный метод обработки категориальных переменных. Этот тип кодирования создает новый бинарный признак для каждой возможной категории или метки в столбце, называемом «фиктивной переменной», а затем присваивает значение 1..
Производительность модели и определение проблемы при работе с несбалансированными данными.
В этом посте я расскажу о различных метриках, которые мы можем использовать для измерения производительности классификатора, когда имеем дело с несбалансированными данными.
Прежде чем определить какую-либо метрику, давайте немного поговорим о том, что такое несбалансированный набор данных, и о проблемах, с которыми мы можем столкнуться при работе с такими данными. В машинном обучении, когда мы говорим о балансе данных, мы имеем в виду количество экземпляров среди различных классов в нашем..
