В предыдущем посте я рассмотрел три метода поиска гиперпараметров, а именно метод проб ошибок, поиск по сетке и случайный поиск. Этот пост будет посвящен четвертому методу - байесовской оптимизации. Прежде чем мы обсудим, как байесовская оптимизация используется для эффективного и действенного поиска гиперпараметров, нам необходимо кратко осветить основы байесовской статистики. 1 - Байесовская статистика Это математическая процедура, которая использует вероятности для решения..

Хорошо известно, что линейная регрессия является мощным инструментом для прогнозирования цен на жилье, особенно если характеристики линейно коррелируют с переменной отклика. Однако можно использовать и другие подходы. В этом посте мы покажем прогноз цен на жилье с использованием георадара с ядром Матерна и его различия, а также диапазон test_sizes. На Рисунке 1 ниже показаны различия между прогнозируемыми и реальными ценами на жилье по сравнению с жилой площадью, поскольку предварительные..

В этой статье я хотел бы кратко обсудить Гауссовский процесс с несколькими ответами (MGP) , который учитывает корреляции между ответами при прогнозировании. Цель этой статьи не в том, чтобы глубоко погрузиться в математические основы регрессии гауссовского процесса с несколькими выходами, а в том, чтобы дать аудитории представление о ее реализации в прогнозировании цен опционов. Следующее объяснение взято из [1]. Если вы хотите узнать математические основы и подробности регрессии..

Объяснение недооцененного алгоритма без математики Гауссовские процессы - это мощный алгоритм как для регрессии, так и для классификации. Их наибольшее практическое преимущество состоит в том, что они могут дать надежную оценку собственной неопределенности. К концу этого поста высокого уровня без математики я стремлюсь дать вам интуитивное представление о том, что такое гауссовский процесс и что делает его уникальным среди других алгоритмов. Содержание: Резюме о машинном обучении..