Публикации по теме 'streamlit'
Панели мониторинга моделей стали проще (1/3).
Визуализация данных
Панели мониторинга моделей стали проще (1/3).
В этой серии из трех частей я покажу, как легко создавать панели мониторинга моделей.
Я знаю, что боль от мониторинга моделей и переобучения моделей не очень приятна для любого инженера по машинному обучению, тем более, если нет простого способа отслеживать все модели, которые развернуты на производстве или где-то еще, что необходимо отслеживать. .
В этой серии из трех частей я расскажу о создании панелей мониторинга..
ДВИГАТЕЛЬ ASIAK: СИСТЕМА РЕКОМЕНДАЦИИ ФИЛЬМОВ С ИСПОЛЬЗОВАНИЕМ K-БЛИЖАЙШИХ СОСЕДЕЙ (ЧАСТЬ 1)
ВВЕДЕНИЕ
Я люблю фильмы. На большинство фильмов, которые я смотрю, влияют их рейтинги и обзоры в Интернете. Я решил создать простую рекомендательную систему для фильмов, развернутых на Streamlit, на основе оценок других пользователей, собранных в наборе данных Movie Lens из Университета Миннесоты. Позвольте мне показать вам, как это сделать, но перед этим немного об алгоритме KNN.
K-БЛИЖАЙШИЙ СОСЕД
K-ближайший сосед — это алгоритм непараметрического обучения, используемый как..
Изучение повышения градиента против линейной регрессии: выбор лучшего инструмента прогнозирования и разработка…
Привет! Я Ана, энтузиаст данных и ученик машинного обучения. Добро пожаловать в мой первый пост на Medium, где я поделюсь своим путешествием и своими мыслями в захватывающий мир анализа данных и прогнозного моделирования. В этой статье я хочу познакомить вас с двумя мощными инструментами прогнозирования: моделями повышения градиента и линейной регрессии. Мы углубимся в область предварительной обработки данных, выбора моделей и даже создадим практическое приложение Streamlit, чтобы..
Развертывание вашей модели в сети Heroku с использованием библиотеки Streamlit
В этой статье я покажу вам процесс развертывания вашей модели в Heroku Web с помощью библиотеки Streamlit . Для начала давайте поговорим о наборе данных и модели, которые мы используем в этой статье.
Наша постановка задачи состоит в том, чтобы предсказать, банкротится компания или нет. Наш образец набора данных выглядит так, как показано ниже.
Исследовательский анализ данных
Набор данных, с которым мы будем работать, очень прост. Он имеет 250 строк с семью столбцами (6 функций..
Представляем Streamlit Sharing
Развертывайте, управляйте и делитесь своими приложениями Streamlit бесплатно
Код машинного обучения и обработки данных легко распространить, но его сложно использовать. GitHub переполнен моделями, алгоритмами и наборами данных. Но код статичен. Можете ли вы поиграть с моделями? Видите алгоритмы? Взаимодействовать с данными? Для этого необходимо следовать сложным инструкциям, устанавливать пакеты или читать фрагменты кода. Разочарованные этим, мы решили, что нам нужна простая..
Как создать управляемое данными веб-приложение на Python?
Python с каждым днем расправляет крылья. Наука о данных, аналитика данных, прогнозный анализ, описательное моделирование и ассоциативное моделирование стали быстрыми, эффективными и действенными благодаря фреймворкам Python.
Python недавно выпустил фреймворк Streamlit . Это позволяет пользователям создавать приложения для обработки данных с наименьшим количеством строк кода за несколько часов. В этом сообщении блога мы рассмотрим простые 7 пунктов, чтобы создать веб-приложение,..
Памятка по Streamlit
Создайте веб-приложение на Python за 5 минут
Streamlit был основан в 2018 году. Это платформа с открытым исходным кодом, которая преобразует скрипты Python в интерактивные приложения . Streamlit превращает скрипты данных в общие веб-приложения за считанные минуты. Все на Python. Все бесплатно. Опыт работы с клиентской частью не требуется.
Начните менее чем за минуту
pip install streamlit
streamlit hello
Импорт Streamlit
import streamlit as st
Добавить виджеты на..