Публикации по теме 'data-science'
Матрица неточностей: обязательно для специалистов по анализу данных и инженеров по машинному обучению
Как использовать матрицу замешательства, чтобы желать
Матрица неточностей - это одна из таблиц, созданных для визуализации работы алгоритма или модели. Матрица путаницы в обучении необходима для понимания производительности вашей модели для тестирования или проверки данных. Это также известно как матрица ошибок.
Фактические значения и прогнозируемые значения отображаются в табличном формате с использованием матрицы неточностей. Если нужно предсказать более двух классов, будет очень..
Представление модели
Итак, что мы делаем в моделях? Что это на самом деле?
Я начал проходить популярный курс по машинному обучению от Coursera . И подумал поделиться своим обучением с вами, ребята!! Начнем с самого простого.
Предположим, у вас есть вход и соответствующий выход. В машинном обучении мы создаем модель, которая сначала изучает связь между входом (X) и выходом (y), и эта изученная связь будет применяться, когда к входам предсказываются неизвестные результаты. Эта модель называется..
Подход к решению проблемы выживания пациента - средний / продвинутый (DPhi)
Особенности в наборе поезда были: -
Обнаружил некоторые выбросы.
Убрал их.
2) Некоторые группы препаратов привели к высокому показателю выживаемости.
3) Психическое состояние пациента и идентификационная ситуация с уходом за пациентом были постоянными на всем протяжении столбца, поэтому эти столбцы были удалены.
4) В столбцах A, B, C, D, E, F, Z было по 1235 пропущенных значений. Для их расчета я сгруппировал каждый столбец в соответствии с идентификатором..
5 Основы проектирования функций для любого бизнеса
ОСОБЕННОСТИ ИНЖИНИРИНГА
5 Основы проектирования функций для любого бизнеса
Как вы вручную создавали основные функции для машинного обучения
Разработка функций - это фундаментальный комплекс построения модели науки о данных. Мы можем использовать эти функции как в моделях анализа данных, так и в моделях машинного обучения. Информативная функция направит вас к невероятному пониманию, лежащему в основе.
Вы можете принять решение, о котором никогда раньше не думали.
Обычно мы..
Линейная регрессия на реальном наборе данных с использованием Python.
Простая линейная регрессия имеет форму Y = aX + b, где Y и X называются зависимыми и независимыми переменными. Эти термины взаимозаменяемо используются с ответной и независимой переменной.
Множественная линейная регрессия расширяет полином дополнительным количеством независимых переменных, таких как Y = aX + bX1 + c, где Y = вес, X = рост и X1 = пол.
Если целью является прогнозирование или уменьшение ошибок, можно использовать линейную регрессию, чтобы подогнать прогностическую..
Начало работы с Tensorflow 2: загрузка данных и построение CNN
Я расскажу вам, как я установил Tensorflow 2 и начал создавать свёрточную нейронную сеть.
Это будет простой шаг за шагом с необходимым кодом.
Я также использовал наборы данных tensorflow в этом
Шаг 1:
Если у вас установлена версия tensorflow 1, вы должны запустить в терминале:
pip uninstall tensorflow
Шаг 1а:
Кроме того, вы можете создать новую среду, а затем выполнить шаг ниже.
Шаг 2:
Запустите в терминале:
pip install tensorflow
Это установит Tensorflow 2. Если..
Встречайте Streamlit Sharing | Создайте простой редактор фотографий
Недавно я получил приглашение от Streamlit протестировать их новый инструмент Streamlit Sharing , который позволяет быстро и очень просто реализовать приложение, созданное с помощью Streamlit, поскольку этот проект уже находится в репозитории Github. .
Признаюсь, я был удивлен скоростью, с которой я смог реализовать свой проект, который раньше выполнялся только локально на моей машине, а теперь любой из любой точки мира может получить доступ к этому приложению.
Прежде чем..
