Публикации по теме 'from-scratch'
Создание нейронной сети для классификации рукописных цифр с нуля
Полный код и использованный набор данных доступны на github .
Введение. В быстро развивающейся области науки о данных и машинного обучения понимание основополагающих концепций нейронных сетей имеет решающее значение. В этом уроке мы с нуля создадим простую нейронную сеть, используя Python для классификации рукописных цифр. К концу этого руководства вы получите четкое представление об основных понятиях, таких как предварительная обработка данных, функции активации, прямое и обратное..
Как я реализую нейросеть с нуля
Нейронные сети машинного обучения — очень мощный инструмент. Обнаруженный в 50-х годах, но широко используемый только совсем недавно благодаря экспоненциальному прогрессу доступной вычислительной мощности. Они позволяют классифицировать новые данные после ученичества.
В этой статье мы сосредоточимся на практическом случае, когда нейронные сети оказываются очень интересными:
Вы видите эту старую адресную книгу, которая висит в углу вашего стола, как удобно было бы просто..
XGboost (регрессия) — С нуля в Excel
XGboost является одним из самых надежных алгоритмов для большинства специалистов по данным. и это тоже по той причине, что будь то задача регрессии или задача классификации , она дает очень хорошие и надежные результаты . Более того, он очень интуитивно понятен и может быть объяснен клиенту простыми словами. Тем не менее, многие люди используют его во многих сценариях, но не понимают, как он работает под капотом.
В этой статье я собираюсь обсудить и построить очень простую модель..
XGboost(Классификация) — С нуля в Excel
В этой статье мы собираемся создать модель классификации XGBoost с нуля в Excel. Это продолжение предыдущей статьи, в которой мы создали регрессионную модель XGBoost с нуля.
Теперь классификация часто становится немного сложной из-за того, что на нескольких шагах нам приходится иметь дело с логарифмом (шансы) , в то время как окончательный прогноз имеет смысл с точки зрения вероятности . Не волнуйтесь, если это сбивает вас с толку, но по мере прочтения этой статьи это станет ясно...
Реализация классификатора KNN с нуля в Python
В этой статье основное внимание будет уделено реализации алгоритма классификатора K-ближайших соседей (KNN) с нуля, написанного на чистом Python. Есть несколько преимуществ написания любого алгоритма машинного обучения с нуля, включая, помимо прочего, получение глубоких знаний о том, как работает алгоритм. Вы также можете настроить алгоритм в соответствии со своим опытом и создать лучший! В этой статье основное внимание будет уделено реализации алгоритма классификатора K-ближайших соседей..
Раскрытие скрытых измерений данных: освоение PCA с нуля
Анализ главных компонентов, или сокращенно PCA, — это широко используемый метод в науке о данных и машинном обучении. Это мощный инструмент, который помогает нам выявлять наиболее важные закономерности и тенденции в больших и сложных наборах данных. В этом сообщении блога мы получим некоторое представление о PCA и реализуем его самостоятельно с нуля, используя Python и NumPy.
Зачем использовать PCA?
PCA особенно полезен при работе с многомерными данными, где имеется множество..
Асинхронный способ
Понимание того, как Node.js меняет ваш подход к программированию
Недавно я начал изучать Node.js. Я не новичок в javascript: я много использовал его в прошлом, и у меня неплохо получается. Так что я подумал, что это не должно быть слишком сложно учиться.
Как же я ошибался!
Я начал как обычно: взял какую-то книгу для начинающих и прочитал ее; перейти к какому-то туториалу и следовать ему; и пытаюсь заставить его работать для какого-нибудь простого проекта, просто чтобы проверить..
