Публикации по теме 'data'


5 статей об использовании AstroPy (астрономическая среда)
Astropy: пакет сообщества Python для астрономии ( arXiv ) Автор: The Astropy Collaboration , Thomas P. Robitaille , Erik J. Tollerud , Perry Greenfield , Michael Droettboom , Erik Bray , Tom Aldcroft , Мэтт Дэвис , Адам Гинзбург , Адриан М. Прайс-Уилан , Вольфганг Э. Керцендорф , Александр Конли , Нил Крайтон , Кайл Бербери , Демитри Муна , Генри Фергюсон , Фредерик Гролье , Мадхура М. Парих , Прасант Х. Наир , Ханс М. Гюнтер , Кристоф Дейл , Жюльен Войлез..
Четкая интуиция Log-Loss
Потеря журнала является одним из наиболее важных показателей классификации, которые оценивают эффективность задачи классификации. получить правильную интуицию о потере журнала с первой попытки может показаться непостижимой. Но здесь я попытался дать вам суть того, что такое потеря журнала, здесь я не пытаюсь копаться в математическом ожидании потери журнала. Давайте сначала начнем с того, что на самом деле означает потеря журнала !! Это показатель того, насколько близка..
Откройте для себя возможности C# Linq!
Сколько из этих трюков с запросами данных в C# вы знаете? Когда у нас есть большой проект C#, мы вскоре начинаем манипулировать большим количеством данных. Эти данные могут поступать из разных источников: они могут быть написаны разработчиками от руки, извлечены из базы данных, извлечены из онлайн-URL… Поскольку все эти источники могут иметь разные соглашения, вы можете получить несколько широко отчужденных форматов данных.
Лучшие исследовательские работы по алгоритму DBSCAN (машинное обучение) для чтения
Вычислительный анализ дрейфа высоты тона при сольном пении без аккомпанемента с использованием кластеризации DBSCAN (arXiv) Автор: Сепидех Шафии , С. Хакам Вывод: вокалисты без аккомпанемента обычно непреднамеренно меняют строй и в результате получают более высокий или более низкий тон, чем начальная точка, во время продолжительного выступления. Это явление называется дрейфом высоты тона и зависит от различных элементов, таких как мастерство исполнителя, продолжительность и..
Серьезные наборы данных Data Science
Отличные наборы данных для Data Science. Убегай от цветов и затонувших лодок! · Intro.. · Papers with code · Google Cloud Public Datasets · In a nutshell.. Вступление.. В этом посте я хочу изучить 2 источника общедоступных наборов данных, которые можно использовать для многих целей. Например, мы можем помочь им подготовить примеры и подтверждения концепции для проектов консультирования по данным, подготовки тренингов и повышения грамотности данных. Это очень полезно, так..
Все типы изучения ассоциативных правил Каждый специалист по обработке и анализу данных должен знать
support,lift,confidence,leverage,aprior,elcat,Fp-growth,Fp-tree construction, association_rules,Frequent Itemset Mining проверьте мой репозиторий для более подробной информации GitHub — achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project… МОТИВАЦИЯ: Мотивация создать этот репозиторий, чтобы помочь будущим претендентам и помочь другим в области науки о данных… github.com
Состояние рекуррентных нейронных сетей, часть 4 (искусственный интеллект)
1. TSFool: создание высококачественных состязательных временных рядов с помощью многоцелевой оптимизации для обмана классификаторов повторяющихся нейронных сетей ( arXiv ) Автор: Янюнь Ван , Дэхой Ду , Юаньхао Лю Вывод: классификаторы глубокой нейронной сети (DNN) уязвимы для атак со стороны злоумышленников. Несмотря на то, что существующие атаки на основе градиента достигли хорошей производительности в задачах модели с прямой связью и распознавания изображений, расширение..