Введение В классификации машинного обучения несбалансированные классы являются распространенной проблемой. В каждом классе наблюдается неравномерное соотношение наблюдений. Предварительная обработка набора данных, возможно, является наиболее важным шагом в построении модели Машинного обучения . В этой статье мы поймем, как работать с категориальными переменными, такими как пропущенные значения, и масштабировать данные. Описание Реальные наборы данных имеют дело со многими..

Использование слабой аннотации для пиксельной аннотации с помощью модели «нулевой сегмент» для чего-либо для молекулярного обучения (arXiv) Автор: Сюэюань Ли , Разрушающий Дэн , Ючэн Тан , Шуньсин Бао , Хайчунь Ян , Юанькай Хо Аннотация: Точная идентификация нескольких классов клеток в гигапиксельной визуализации целых слайдов (WSI) с высоким разрешением имеет решающее значение для различных клинических сценариев. Для построения модели ИИ для этой цели обычно требуются аннотации..

DG-LMC: Готовый и масштабируемый синхронно-распределенный алгоритм MCMC с помощью Langevin Monte Carlo в Gibbs (arXiv) Автор: Венсан Плассье , Максим Воно , Ален Дурмюс , Эрик Мулин . Аннотация: Выполнение надежного байесовского вывода в масштабе больших данных становится краеугольным камнем современной эпохи машинного обучения. Классом рабочих лошадок для решения этой задачи являются алгоритмы цепи Маркова Монте-Карло (MCMC), и их разработка для обработки распределенных наборов..

Быстрое оседание диска и переход от всплесков к устойчивому звездообразованию в галактиках с массой Млечного Пути (arXiv) Автор: Александр Б. Гурвич , Джонатан Стерн , Клод-Андре Фоше-Жигер , Филип Ф. Хопкинс , Эндрю Ветцель , Хорхе Морено , Кристофер С. Хейворд , Александр Дж. Богатства , Закари Хафен Аннотация: недавние наблюдения и моделирование указывают на существенную эволюцию свойств галактик с течением времени, когда поддерживаемые вращением и устойчивые тонкие диски..

Прежде чем мы начнем, нам нужно заложить основу в отношении общих терминов и понятий. Искусственный интеллект — это самый широкий термин, используемый для описания подхода к решению проблем с использованием компьютерных наук, машинное обучение — это подмножество ИИ, представляющее алгоритмы, используемые для построения модели на основе выборочных данных (данные для обучения), чтобы делать прогнозы или принимать решения, не будучи явно запрограммированным для этого (например, линейная..