Публикации по теме 'analytics'
МЕТОДЫ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ в R.
Связаться с isaac tonyloi .
Данные действительно стали важной частью нашей повседневной жизни, они, по сути, определяют все решения, которые мы принимаем, будь то в крупных организациях, на малых и средних предприятиях и даже на личном уровне.
Но большой вопрос в том, насколько точны решения, которые мы принимаем на основе собираемых данных? Качество моделей, на которых мы основываем свое решение, во многом зависит от достоверности данных, которые мы получаем.
При получении..
МАЛЫЕ ДАННЫЕ IoT НАМНОГО ВАЖНЕЕ, ЧЕМ БОЛЬШИЕ ДАННЫЕ IoT
Несмотря на все недавние прорывы в машинном обучении, большие данные не решат никаких реальных проблем в инженерных операциях.
Контекст
Нынешние тенденции, похоже, указывают на склонность к использованию «больших данных» для решения любой проблемы, требующей той или иной формы аналитики .
Существует очень узкий набор задач, которые на самом деле решаются с помощью больших данных . На самом деле есть признаки того, что решения для работы с большими данными редко решают..
Менее известные методы исследования данных
Исследовательский анализ данных (EDA) — это, по сути, первый шаг в конвейере машинного обучения. Есть много методов, используемых для EDA, таких как:
Проверка всех столбцов: имя, тип, сегменты Установка ожидания относительно того, что может означать переменная и как она может повлиять на цель — и проверка гипотезы Анализ целевой переменной Использование функции describe() в Pandas для получения сводки всех переменных Проверка асимметрии и эксцесса Создание точечных диаграмм (..
Измеряет эффективность для модели временных рядов [ETS или ARIMA]
Интерпретация мер погрешности для данных временных рядов и понимание производительности вашей модели, чтобы выбрать лучшую.
В этой статье мы поговорим о типах методов измерения ошибок при работе с данными временных рядов и о том, как вы можете выбрать лучшую модель из созданных ранее, таких как ETS или модель ARIMA, и найти лучшие на основе графиков ACF и PACF .
Ошибки, зависящие от масштаба
Ошибки, зависящие от шкалы, такие как средняя ошибка ( ME ), средняя ошибка в процентах..
Упрощенное машинное обучение(2): нейронные сети
Применение нейронных сетей для создания прогнозов
Сегодня мы обсудим, как выглядят нейронные сети. Нейронные сети, также называемые глубоким обучением, — это хлеб с маслом для прогнозирования. Они выглядят как сети и поначалу могут немного сбивать с толку, поэтому давайте начнем с множественной регрессии.
Этот график представляет входную переменную x слева, каждый x[i] умножается на θ[i], а результирующий выход y справа. Это создает плоскость в пространстве с постоянным..
Введение в глубокое обучение
Глубокое обучение — это подмножество машинного обучения, основанное на структуре и функциях человеческого мозга, также известное как искусственная нейронная сеть (ИНС).
Это не новая концепция, но она восходит к 1943 году, когда Уоррен Маккалох и Уолтер Питс разработали компьютерную модель, основанную на работе нейронных сетей человеческого мозга. Они использовали комбинацию математики и алгоритмов, которые они назвали пороговой логикой, чтобы имитировать мыслительный процесс. После..
8 будущих тенденций в аналитике данных
Не всегда легко проследить текущие тенденции в Data Analytics: восемь многообещающих тенденций в Data Analytics кратко описаны ниже.
1. Автоматизированное машинное обучение (AutoML)
AutoML пользуется постоянно растущей популярностью. Не в последнюю очередь благодаря многочисленным успехам в практическом анализе. В мире, где все больше и больше устройств производят данные и связаны друг с другом в сети, объем «производимых» данных непропорционально растет. Следовательно, AutoML..
