Публикации по теме 'data-analytics'
Быстрое обнаружение инцидентов с помощью аналитики поведения пользователей и организаций (UEBA)
Автор Кумар Викрамджит , охотник за киберугрозами
Информационная перегрузка — и ложные срабатывания — являются основными проблемами в типичной организации реагирования на инциденты. Благодаря множеству различных платформ, приложений и инструментов безопасности, командам безопасности с ограниченными ресурсами приходится просеивать постоянно растущую гору предупреждений, некоторые из которых могут содержать нерелевантные данные. Это не только замедляет процесс принятия решений, но..
Метрики оценки модели
Метрики оценки модели используются для оценки соответствия между моделью и данными. Для выбора модели сравните различные модели и проверьте, насколько прогнозы должны быть точными, используются метрики оценки.
В этом разделе я объясню следующие показатели оценки:
ошибка r-квадрата среднеквадратическая ошибка t-тест р-значение z-оценка f-оценка
r-squared (R²) Ошибка :
R-квадрат, также известный как коэффициент детерминации, представляет собой меру, показывающую, насколько..
Понимание и реализация штрафной регрессии в R: подробное руководство с примерами кода
Введение
В широком спектре методов машинного обучения и статистического моделирования методы штрафной регрессии, такие как регрессия гребня и регрессия Лассо, стали важными инструментами для работы с мультиколлинеарностью и выбором модели. Эти методы улучшают точность предсказания модели и интерпретируемость за счет введения штрафа за размер коэффициентов. В этой статье представлено подробное исследование штрафной регрессии в R с практическими примерами кодирования.
Распаковка..
РАСШИРЕННЫЙ АНАЛИТИЧЕСКИЙ ПРОГНОЗНЫЙ ИССЛЕДОВАНИЕ ДЫХАТЕЛЬНОЙ ЕМКОСТЬ С ПОМОЩЬЮ IBM WATSON
КЛЮЧЕВЫЕ СЛОВА: IBM Watson, прогнозирование дыхательной способности, машинное обучение, здравоохранение.
Мы выполнили прогнозирование данных о дыхательной способности с использованием IBM Watson for Advance Analytics и лучшего построения модели машинного обучения с меньшим объемом данных и большей точностью.
Введение :
Здесь я попытался построить модель машинного обучения для прогнозирования дыхательной способности и уменьшить количество проблем в секторе здравоохранения, потому что..
Tidy Anomaly Detection с использованием R
Представьте, что вы управляете онлайн-бизнесом, таким как Amazon.com, и хотите запланировать ресурсы сервера на следующий год - вам обязательно нужно знать, когда ваша нагрузка вырастет (или, по крайней мере, когда она увеличилась в ретроспективе, чтобы поверить он будет повторяться снова), и именно здесь обнаружение аномалий временных рядов - это то, что вам нужно. Хотя есть некоторые пакеты, такие как AnomalyDetection Твиттера, которые выполняют эту работу, есть еще один хороший..
7 причин, почему я должен изучать Python?
7 причин, почему я должен изучать Python?
а. Идеально подходит для новичков
Настроенный быть простым, Python на самом деле очень удобен для начинающих. Его лаконичность, выразительность и сходство с английским способствуют его популярности среди новичков. Его читабельность просто дополняет это. Если вы еще не определились, мы предлагаем вам ознакомиться с нашим руководством по Синтаксис Python , чтобы узнать, каково это — быть специалистом по Python. Кроме того, это..
Data Analytics 101 Series — Фаза «Спросить»
Самый распространенный метод сбора данных — опрос кого-либо. Именно здесь начинается процесс анализа данных. Фаза запроса в процессе анализа данных проста, но эффективна. Посмотрим, как это работает!
В своей предыдущей статье я сделал обзор процесса анализа данных. В этом мы рассмотрим первую фазу процесса анализа данных — фазу Спросить .
Давайте начнем!
Цель фазы запроса
Целью анализа данных является выявление шаблонов из собранных данных и принятие бизнес-решений на..
