Публикации по теме 'data'
Введение в процесс квантильной регрессии (машинное обучение)
Регрессия байесовского непараметрического квантильного процесса и оценка предельных квантильных эффектов ( arXiv )
Автор: Стивен Г. Сюй , Брайан Дж. Райх
Аннотация: Гибкая оценка множественных условных квантилей представляет интерес для многочисленных приложений, таких как изучение влияния факторов, связанных с беременностью, на низкий и высокий вес при рождении. Мы предлагаем байесовский непараметрический метод для одновременной оценки непересекающихся нелинейных кривых..
4 альтернативы коду для улучшения анализа данных
Изучение альтернативных подходов к раскрытию качества и раскрытию идей
Стремясь к прозрачности и открытости анализа данных, публикация кода становится все более популярной. Однако, хотя код играет решающую роль в воспроизводимости, он часто не обеспечивает всестороннего понимания анализа или решения вопросов, возникающих в связи с неожиданными результатами.
В этой статье мы углубимся в ограничения, связанные с использованием исключительно кода как представления анализа данных, и..
В поисках своего пути: путь экспериментов и роста в науке о данных и машинном обучении
Привет, меня зовут Кельвин Ньенга, и я рад поделиться своим путем к тому, чтобы стать специалистом по данным и разработчиком машинного обучения. В течение первых двух лет в Кабаракском университете мне было сложно выбрать ту карьеру, которая мне больше всего подходит. Я хотел найти свою страсть и цель, но не знал, с чего начать. Именно тогда я присоединился к GDSC Kabarak (отличное техническое сообщество), чтобы получить некоторую ясность. Я экспериментировал почти со всеми..
Как работает комбинаторная оптимизация, часть 1
Суперполиномиальное квантовое преимущество для задач комбинаторной оптимизации (arXiv)
Автор: Никлас Пирней , Винсент Улич , Фредерик Уайльд , Йенс Эйзерт , Жан-Пьер Зайферт
Аннотация . Комбинаторная оптимизация — область исследований, направленная на решение проблем, которые сильно характерны для множества практических и промышленных контекстов, — была определена как одна из основных потенциальных областей применения квантовых компьютеров в ближайшей перспективе. Однако..
Влияние выбросов на линейную подгонку
С того дня, как я начал изучать линейную регрессию, я думал, что она подойдет для линии или гиперплоскости, где существует линейная связь между входными данными и числовой переменной результата. Поскольку функция стоимости, связанная с линейной регрессией, пытается минимизировать SSE между данными и подобранной линией/гиперплоскостью, я экспериментировал, чтобы посмотреть, что произойдет, если данные будут иметь выбросы. Будет ли он по-прежнему фиксировать фактическую тенденцию между..
Понимание концепции сглаживания сплайнов (геометрия)
Безматричное сглаживание штрафных сплайнов с несколькими ковариатами (arXiv)
Автор: Юлиан Вагнер , Йоран Кауэрманн , Ральф Мюнних
Аннотация: в статье обосновано сглаживание больших размерностей с помощью штрафных сплайнов и его численный расчет эффективным способом. Если сглаживание выполняется по трем или более ковариатам, базисы сплайнов классического тензорного произведения взрываются по своей размерности, доводя оценку до числовых пределов. Недавний подход Зибенборна..
Пул Python: возможно ли отрицать логическое значение в Python? [Отвечено] — Кудрирование дизайна
Прежде чем сообщить вам о точном ответе на вопрос «Можно ли отрицать логическое значение в Python?» Вы должны знать, что означает отрицание (отрицание) на языке непрофессионала. Итак, как вы, возможно, уже знаете, логическое выражение состоит из двух значений True и False. Путем отрицания логического выражения в Python означает, что значение True станет False, а значение False станет True.
Таким образом, мы можем заключить, что отрицание логического выражения или значения..
