Публикации по теме 'predictive-analytics'
5 способов применения прогнозной аналитики в вашем бизнесе.
5 + 1 способов применения прогнозной аналитики в вашем бизнесе
Практические примеры использования прогнозной аналитики во многих сферах деятельности вашей компании.
Прогнозный анализ - это продвинутая аналитическая техника, которая использует данные, алгоритмы и машинное обучение для прогнозирования тенденций и составления бизнес-прогнозов.
Благодаря развитию вычислительной техники уже сейчас можно анализировать большие объемы данных (большие данные), чтобы находить закономерности..
Использование методов KNN для прогнозирования результатов Cleveland Cavalier на основе данных перерывов
НБА часто считают лигой 4-й четверти. Поскольку очки можно набрать так быстро, почти в любой момент игры невозможно преодолеть непреодолимый дефицит. В результате большинство игр выиграно и проиграно в 4-й четверти. Тем не менее, в этой статье будут использоваться статистические методы, чтобы попытаться предсказать результаты игр Кливленд Кавальерс, учитывая только состояние игры в перерыве между таймами. Анализ будет включать три различных типа моделей. Самое интересное, что модель..
Прогнозирование совпадений IPL на основе Powerplay с использованием машинного обучения
Крикет - один из самых популярных видов спорта в Индии. В частности, формат Twenty20 - один из самых известных захватывающих коротких форматов, потому что результат имеет максимальную неопределенность. Крикет - это спортивная игра, в которую во всем мире играют в 106 странах-членах Международного совета по крикету (ICC), у которого, по данным ICC, почти 1,5 миллиарда фанатов по всему миру. Трудно предсказать результат матча, потому что одна верхняя или одна калитка, одна граница или один..
Протоколы науки о данных — специалист по данным
Одной из основных проблем в практике науки о данных является отсутствие стандартизации процедур и методов. Выйдя из образования и перейдя в индустрию, вы можете оказаться со знанием различных методов и подходов, но без четкого руководства по лучшим практикам. Действительно, наука о данных по-прежнему в значительной степени остается делом, в значительной степени основанным на интуиции и личном опыте.
В других инженерных дисциплинах существуют стандарты, обеспечивающие качество конечного..
Скептицизм в науке о данных — это здорово
Это комментарий/обзор небольшой важной книги — Как быть скептиком данных , автор Кэти О'Нил .
«Скептик, а не циник» — так Кэти О’Нил начинает свою книгу, состоящую всего из 20 страниц, в которой излагаются основные аргументы в пользу этики науки о данных. В эпоху, когда данные от потребителей собираются в огромных масштабах для улучшения обслуживания и увеличения прибыли от продаж, становится очень важным обсудить различные методы сбора данных и методы моделирования. Важно..
RapidMiner Go — машинное обучение на ходу
Популярность машинного обучения в США возросла, о чем свидетельствует линия тренда Google Trends за последние пять лет.
Область машинного обучения расцвела во многом благодаря большему разнообразию алгоритмов, что привело к большему выбору моделей, в сочетании с «цунами данных» и повышенным интересом к науке о данных во всех отраслях.
Наиболее распространенным применением машинного обучения является прогнозная аналитика, в которой прогнозируются категориальные (классификация) и..
Понимание машин для повышения градиента
Мотивация:
Хотя большинство моделей-победителей в соревнованиях Kaggle являются ансамблями некоторых передовых алгоритмов машинного обучения, одной конкретной моделью, которая обычно является частью таких ансамблей, является Gradient Boosting Machines. Возьмем для примера в этом посте победителя Allstate Claims Severity Kaggle Competition Алексей Носков объясняет свой успех в соревновании еще одним вариантом алгоритма GBM под названием XGBOOST. Однако, несмотря на его огромную..
