Публикации по теме 'mathematics'
Четыре шага метода решения проблем Пойи
В мире математики и алгоритмов решение задач — это искусство, которое следует четко определенным шагам. Такие шаги не подчиняются каким-то строгим правилам, и каждый человек может придумать свои шаги решения проблемы. Но есть некоторые рекомендации, которые могут помочь решить систематически.
В этом направлении математик Джордж Пойа создал наследие, которое помогло бесчисленному количеству людей пройти через лабиринт решения проблем. В своей книге «Как решить эту задачу» Пойа..
Линейная алгебра
Привет,
Сегодняшний блог будет о линейной алгебре. Линейная алгебра — одна из самых важных тем исчисления, и я буду писать об информации линейной алгебры, а также о том, где мы используем ее в машинном обучении.
Линейная алгебра — это изучение векторов, которые понимаются как величины, имеющие как величину, так и направление, а также линейные функции.
Другими словами, линейная алгебра — это математика данных, мы можем абсолютно точно сказать, что векторы и матрицы — это язык данных...
Открытие черного ящика - за гранью градиентного спуска
Введение в проксимальный вид градиентного спуска
При обучении модели мы пытаемся минимизировать среднее значение функций потерь модели по обучающим выборкам:
Для каждого i , f_i в приведенной выше сумме - это потери, понесенные обучающей выборкой iᵗʰ как функция вектора параметров модели w . Для задачи минимизации потерь мы используем варианты метода стохастического градиента: на шаге k мы случайным образом выбираем функцию f из { f_1 , …, f_n }, и вычислим:..
Основа науки о данных, математики и статистики
Математика и статистика служат основой науки о данных, предоставляя основные инструменты и методы, необходимые для анализа и интерпретации данных. Они образуют основу, на которой специалисты по данным строят модели, делают прогнозы и извлекают значимые выводы из огромные объемы информации. Вот обзор ключевых математических и статистических концепций, необходимых для науки о данных:
Теория вероятностей. Теория вероятностей имеет решающее значение для понимания неопределенности и..
Анализ главных компонентов — Как и почему это работает?
Если вы знаете, как реализовать PCA, но не уверены во внутренней работе и теории, лежащей в ее основе, в этом посте я попытаюсь объяснить лежащие в основе концепции и выводы таким образом, который мне было проще всего понять и, надеюсь, интуитивно понятен. достаточно, по крайней мере, для нескольких моих коллег-энтузиастов данных.
Анализ основных компонентов хорошо зарекомендовал себя в области науки о данных как метод уменьшения размерности данных, и в Интернете доступно множество..
Статистика для науки о данных — часть 1
Первым шагом каждого статистического анализа, который вы выполняете, является определение того, являются ли данные, с которыми вы имеете дело, данными генеральной совокупности или выборочными данными.
Население
Популяция представляет собой совокупность всех элементов, представляющих интерес для нашего исследования. Обозначается заглавной буквой «N».
Числа, которые мы получаем при использовании совокупности, называются параметрами . Параметр – это значение, которое относится к..
Функция Log-Loss, будет ли это стоить вам?
Потеря журнала, также известная как кросс-энтропийная потеря, является часто используемой функцией потерь в машинном обучении и глубоком обучении. Он измеряет несходство между истинной меткой и прогнозируемым распределением вероятностей по всем возможным классам. Цель модели машинного обучения — свести к минимуму потери журнала, а это означает, что она направлена на получение прогнозов, максимально приближенных к истинным меткам.
Функция потерь журнала определяется следующим..
