Публикации по теме 'machine-intelligence'
Дедупликация, почти дубликат: краткое руководство
Привет Всем!,
В этой короткой и краткой записи блога я расскажу о нескольких методах и готовых решениях для устранения дубликатов и почти дублированных данных. Итак, почему это важно? если мы посмотрим с точки зрения обучения модели ML, модели ML плохо обобщаются, когда у вас есть дублирующиеся данные в наборе обучающих данных.
Хорошо, так что давайте начнем сейчас,
Есть много способов вычислить сходство между двумя предложениями/документами, давайте взглянем на следующее:
Сходство..
Полное руководство по освоению машинного обучения: от новичка до эксперта
здесь я упомянул пошаговое руководство. Вы нажимаете на тему и перемещаете ее в блог, читаете концепцию и совершенствуете свои навыки машинного обучения.
Потребность в машинном обучении, основные принципы, приложения, проблемы Виды машинного обучения "Линейная регрессия" Логистическая регрессия (бинарная классификация) К-Ближайшие соседи "Древо решений" Случайный лес Усиление градиента (XGboost) Машины опорных векторов Меры оценки классификации (Точность,..
Чем машинное обучение полезно для предприятий
Машинное обучение оказывает значительное влияние на компании. Строительные компании улучшили и защитили методы сохранения в сообществе с помощью машинного обучения. Тем не менее, они часто дороги и непроизводительны. Именно здесь машинное обучение является отличным помощником для нужд веб-разработки .
Вы были бы удивлены, узнав тот факт, что почти 80% людей говорят, что они нацелены на более высокий рост продаж с помощью машинного обучения. Он достигает неизбежной эффективности..
Обработка несбалансированных наборов данных
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..
Прогнозирование сердечно-сосудистых заболеваний с помощью машинного обучения (ИИ)
НЕОБРАБОТАННЫЕ ДАННЫЕ
Во-первых, данные получены от пациентов с сердечными заболеваниями из частной больницы. Мы хотели бы использовать разделение теста поезда, чтобы предсказать человека, у которого будет болезнь сердца, на основе этих данных.
ИМПОРТ ЗАВИСИМОСТИ
Нам нужно импортировать важные зависимости из scikit, чтобы узнать из Google Colab, как показано ниже:
ОТОБРАЖЕНИЕ ДАННЫХ
Данные будут включены в нашу модель и отображаться в 30 рядах.
СТАТИСТИЧЕСКИЕ..
Вы не возражаете, если машина позаботится о вас?
Прошлой ночью я смотрел фильм Netflix под названием «Я — мать», так что это вызвало лавину чрезмерного размышления о машинах и будущем, потому что, вероятно, они позаботятся о нас.
Фото Франк В. на Unsplash
На мой взгляд, ИИ все еще немного маловероятен и далёк от реальности, даже если я разговариваю с Google Assistant каждый день.
Но вопрос в том, что когда я смотрел этот фильм, это был полный бред, потому что: О боже, мы так близко к этому дерьму! Роботы позаботятся о нас,..
Углубленное введение в машинное обучение
Машинное обучение существует с самого начала компьютерных технологий. Это подтема, охватываемая широкой темой «Искусственный интеллект» (ИИ). Он развивался и увеличивался с течением времени. По правде говоря, машинное обучение — это сравнительно новая концепция, которая уже вдохнула жизнь во многие важные компоненты, которые нам теперь нужны для поддержания плодовитости человеческой расы. Всего за пару лет машинное обучение превзошло все ожидания. Он разбивает все исторические данные,..
