Публикации по теме 'machine-learning-python'


Создайте и разверните приложение для прогнозирования диабета с помощью Flask, ML и Heroku
Сквозной проект машинного обучения от обучения модели до ее развертывания на Heroku Добро пожаловать, мой друг, Согласно CNBC, самая модная работа на ближайшее десятилетие - специалист по анализу данных и инженер по машинному обучению. Это лучшее время для нас, чтобы изучить некоторые алгоритмы машинного обучения и создать несколько проектов, бросающих их. Вы часто видели, что все эти учебные пособия и блоги объясняют различные типы алгоритмов машинного обучения, но в большинстве..
Начните машинное обучение в качестве инженера-программиста
В этом посте я пишу о том, как начать применять машинное обучение (ML) в программном обеспечении в качестве инженера-программиста. На рисунке ниже показано, что в ML мы строим модель ML, используя данные и результаты. Это отличается от традиционного программирования, где мы используем программное обеспечение для выполнения реальных вычислений. После того, как модель построена, мы используем ее для прогнозирования. Конечно, мы всегда можем создать собственную модель машинного..
Неортодоксальный, но эффективный способ выбора функций при решении задач машинного обучения в Python:
Одной из фундаментальных проблем машинного обучения является выбор правильных подмножеств доступных функций, которые отображают отношение переменных к целевому понятию. Если модель, обученная на ненужных функциях, не идентифицирована должным образом, она будет плохо работать с точки зрения любой оценки метрик. В этих коротких заметках я хотел бы представить неортодоксальный подход к выбору функций, используемый в различных сценариях многими энтузиастами машинного обучения,..
Улучшение перцептрона Розенблатта
Адаптивные линейные нейроны и дельта-правило Машинное обучение и искусственный интеллект оказали преобразующее влияние во многих областях, от медицинских наук (например, визуализация и МРТ ) до стратегических видеоигр в реальном времени (например, StarCraft 2 ). Ключевыми факторами, способствовавшими этому успеху, были глубокие нейронные сети , характеризующиеся постоянно растущим числом так называемых скрытых слоев и искусственных нейронов. Однако следует подчеркнуть, что..
Классификация K-ближайших соседей в машинном обучении
Привет всем, Сегодня мы обсудим некоторые важные моменты, касающиеся классификатора K-ближайших соседей. Итак, начиная с вводной части, K-ближайшие соседи — это, по сути, контролируемый алгоритм машинного обучения, который можно использовать для решения как задач классификации, так и регрессии, но здесь мы рассмотрим только K-NN (K-ближайшие соседи в классификации). Итак, давайте двигаться дальше. Первое, что приходит к пониманию этого алгоритма на самом базовом уровне, заключается в..
Машинное обучение в Python 101
Глава 1: Изучение данных Здравствуйте, читатели! Добро пожаловать в абсолютное базовое руководство по реализации концепций машинного обучения в Python. В этой серии вы познакомитесь с базовой реализацией моделей машинного обучения. Если вам нравится этот сериал, рекомендуйте и делитесь им с друзьями. Итак, чего же мы ждем? Давайте начнем! Шаг 1A: Настройте репозиторий GitHub Прежде чем мы начнем с нашего набора руководств, я бы посоветовал вам настроить репозиторий..
Полиномиальная регрессия и реализация полиномиальной регрессии в Python
Всем привет, сегодня я постараюсь рассказать вам о полиномиальной регрессии и о том, как ее кодировать на Python. Если вы раньше не знали о регрессии: Https://medium.com/@yagiz-yaman/regression-definition-implementing-linear-regression-in-python-2d2d79828013 Вы можете взглянуть на мой предыдущий пост и понять, как кодировать на Python как регрессию, так и линейную регрессию. Начнем с того, что такое полиномиальная регрессия и зачем она нам нужна? Линейная регрессия может дать нам..