Я должен сказать, что одной из областей машинного обучения, которой я уделяю недостаточно времени, является перекрестная проверка. Перекрестная проверка — это важный инструмент машинного обучения, который позволяет нам лучше использовать наши данные. Перекрестная проверка разбивает набор данных на столько сгибов, сколько пользователь хотел бы, пытаясь более точно предсказать тестовые данные. Изучая перекрестную проверку, я наткнулся на функцию cross_val_predict от sklearn, о которой..

Как вы должны разделить свои данные для вашего проекта ML? Обучающий набор Мы используем этот образец, чтобы подогнать модель Модель машинного обучения видит и извлекает уроки из этих данных. Аналогия: учитель учит студентов решать длинные деления. Проверочный набор Используется для оценки соответствия модели и настройки гиперпараметров модели . Становится предвзятой оценкой, поскольку модель неоднократно видит эти данные и настраивает модель на основе этих данных...

Использование перекрестной проверки временных рядов и выявление предвзятости опережающего просмотра День сурка - довольно занимательный фильм. Для тех, кто никогда этого не видел, персонаж Билла Мюррея попадает в странную временную петлю, где он снова и снова переживает один и тот же день (2 февраля - День сурка). Фактически, он возрождает его так много раз, что может использовать свои знания о том, что должно произойти, чтобы изменить свое поведение в свою пользу. Те из нас, кто..

НАУКА ДАННЫХ, ВИЗУАЛИЗАЦИЯ ДАННЫХ Прогнозирование временных рядов с помощью XGBoost Учебное пособие по написанию кода для реализации модели XGBoost в Jupyter Notebook. В этой статье я расскажу о том, как построить XGBoost model для обработки одномерного набора данных по электроэнергии с временными рядами. Цель состоит в том, чтобы создать модель, которая позволит нам с уверенностью прогнозировать будущее потребление электроэнергии в Китае. К концу этой статьи вы сможете понять,..