Публикации по теме 'model'


Понимание моделей машинного обучения, часть 2
~ Зоя Джамадар Моделирование данных включает фильтрацию огромных данных в режиме реального времени в конечный набор атрибутов, которые можно понять более осмысленно. В этой статье мы рассмотрим широко используемый подход для выбора подмножества из набора данных — метод записи через точку и выбор списка столбцов, а также как построить собственную модель с помощью sklearn или Scikit-Learn библиотека. Уровень: Начинающий Раздел 1. Моделирование данных Метод записи через..
Уменьшение размерности — Борьба со сложностью модели
В этой статье мы углубимся в размерность сокращение , чтобы понять, как это работает и почему это может спасти жизнь, когда вам нужно обучить свою модель. Многомерность редукция часто вводится с понятием проклятия размерности размерности . Проклятие размерности может быть выражено как ситуация, когда количество признаков признаков (столбцов для табличных данных) велико тогда как выборки в наборе данных не так многочисленны. Пусть у нас есть набор данных,..
Введение в ML в производстве
Углубление в цикл машинного обучения: обзор, данные, моделирование и развертывание Операции машинного обучения, известные как MLOps, — это новая дисциплина, которая включает в себя набор методов поддержки и развертывания моделей машинного обучения в рабочей среде, чтобы они были эффективными и надежными. Это слово представляет собой сочетание «машинного обучения» и практики непрерывной разработки DevOps, которая также представляет собой набор методов для сокращения жизненного цикла..
Когда модель слишком сильно бьется в спортзале — K-кратная перекрестная проверка
Мне нравится быть статистиком, потому что я играю с моделями. Некоторые модели хороши. Некоторые модели не так хороши. В любом случае, Вы должны проверить их, чтобы узнать. Перекрестная проверка K-кратности Основная причина использования k-кратной перекрестной проверки заключается в оценке производительности модели на невидимых данных. Этот алгоритм машинного обучения уменьшает проблемы переобучения, беря случайные разделы данных и итеративно используя разные разделы в..
Прогнозирование тяжести симптомов болезни Паркинсона по голосовым записям
Ссылки Источник набора данных — https://www.nia.nih.gov/health/parkinsons-disease Проект Github и код — https://github.com/BobbyWilt/PD_Voice_UPDRS Исследовательская работа — https://www.researchgate.net/publication/40026354_Accurate_Telemonitoring_of_Parkinson%27s_Disease_Progression_by_Nontoxic_Speech_Tests Введение Болезнь Паркинсона является вторым наиболее распространенным дегенеративным неврологическим заболеванием, при этом примерно у 1% населения мира старше 60 лет..
Оценка производительности нашей модели машинного обучения
Оценка модели — один из самых важных шагов в разработке конвейера машинного обучения. Только представьте, вы разрабатываете модель, а затем сразу запускаете ее в производство. И предположим, что ваша модель используется в медицинской сфере, тогда это может привести к гибели нескольких человек (если ваша модель работает плохо). Но не волнуйтесь, эта статья предоставит вам все инструменты, необходимые для оценки и улучшения производительности вашей модели. Проблемы классификации..
Лучшие практики в MLOps: перенос моделей из исследования в производство
Машинное обучение (МО) стало неотъемлемой частью многих отраслей, но переход моделей от исследований к производству может быть сложным процессом. MLOps предоставляет лучшие практики и инструменты для оптимизации этого процесса и обеспечения эффективного и действенного развертывания моделей машинного обучения. В этой статье мы рассмотрим лучшие практики в MLOps, включая организацию проектов, разработку моделей, управление моделями и создание стека инструментов MLOps. Мы рассмотрим..