Публикации по теме feature-engineering

Публикации по теме 'feature-engineering'

В этом уроке мы узнаем об одном из самых популярных наборов данных в науке о данных.

ПРОГНОЗ ВЫЖИВАНИЯ ТИТАНИКА В этом уроке мы узнаем об одном из самых популярных наборов данных в науке о данных. Это даст вам представление о том, как анализировать и соотносить с реальными условиями. Соревнование Гибель «Титаника» — одно из самых печально известных кораблекрушений в истории. 15 апреля 1912 года во время своего первого рейса «Титаник», считавшийся «непотопляемым», затонул после столкновения с айсбергом. К сожалению, спасательных шлюпок на всех на борту не хватило, в..

Распространенная ошибка, которую следует избегать при кодировании категориальных функций

Как бороться с категориальными особенностями и распространенные ошибки, которых следует избегать При работе с категориальными характеристиками выбор подходящего способа их кодирования может оказаться не таким простым. Это очень важный аспект, который необходимо учитывать, поскольку он определяет ценность, которую функция будет добавлять в модель. То же самое относится к порядковым признакам, которые являются очень распространенным типом категориальных данных, в которых различные..

Особенности, SNA и NLP: более глубокое погружение в науку о данных

Понимание выбора функций и использования SNA и NLP в разработке функций. В мире науки о данных ключевым фактором является эффективность. Учитывая стоимость сбора данных, маркировки и вычислительной мощности, важно разумно подходить к функциям, которые мы используем в наших моделях. В этом сообщении в блоге будет рассказано о важности выбора функций и проектирования в науке о данных, включая влияние функций на влияние и использование анализа социальных сетей и обработки естественного..

Пример использования схожести вопросов Quora: обработка естественного языка

Особенность играет очень важную роль в машинном обучении. Вдумчиво созданные вручную функции могут сыграть очень важную роль в вашем классическом случае машинного обучения. В настоящее время вы можете использовать рекуррентные нейронные сети или их варианты, такие как закрытые рекуррентные единицы (GRU) или долговременная кратковременная память (LSTM). которые имеют тенденцию определять функции сами по себе и, как правило, очень эффективны, чем классические модели машинного обучения, но эта..

Компьютерное зрение для творческой оптимизации

Максимизация KPI за счет анализа изображений ВВЕДЕНИЕ Наш клиент — компания Ad-tech — компания, занимающаяся мобильной рекламой в Интернете, которая предоставляет своим клиентам такие услуги, как разработка интерактивной рекламы, предоставление креативов и оптимизация процесса креативного проектирования. Компания запустила большое количество рекламных объявлений с соответствующими креативами, но эти креативы были сделаны на основе опыта дизайнеров и потребностей компании. Компания..

Прогнозирование временных рядов с контролируемым машинным обучением

Анализ временных рядов и прогнозирование с использованием моделей машинного обучения с учителем Когда я впервые увидел проблему прогнозирования временных рядов, я был очень сбит с толку. До этого момента я просто делал некоторые прогнозы обучения с учителем на табличных данных, поэтому я не знал, как делать прогнозы, если у меня не было целевых значений. Многие из вас, возможно, сталкивались с этой проблемой, поэтому в этом посте я хочу представить очень мощный способ решения проблем..

Езда на велосипеде с помощью машинного обучения

Как ML может помочь в езде на велосипеде 19 декабря 2021 г. Я люблю кататься на велосипеде. На своем велосипеде я могу рассчитывать только на себя и чувствую себя по-настоящему свободным. В настоящее время каждый велокомпьютер предлагает много информации: каденс, мощность, мгновенная скорость, набор высоты. Там есть почти все, что может захотеть знать велосипедист. Однако я ни разу не видел информации о том, сколько времени я езжу сидя и сколько времени прыгаю на педалях (как..