Публикации по теме 'machine-learning'
Пробит против логистической регрессии
Пробит и логистическая регрессия — это два статистических метода, используемых для анализа данных с бинарными или категориальными результатами. Оба метода имеют аналогичную цель моделирования взаимосвязи между бинарной переменной отклика и набором переменных-предикторов, но они различаются своими предположениями и интерпретацией.
Пробит-регрессия предполагает, что бинарная переменная отклика следует нормальному распределению, тогда как логистическая регрессия предполагает, что она..
Как работать с многообразным обучением, часть 3 (машинное обучение)
Развернутая регрессия с максимальной ковариацией: новый многообразный подход к обучению на основе ковариаций для данных облака точек (arXiv)
Автор: Qian Wang , Kamran Paynabar .
Аннотация: Данные облака точек широко используются в производственных приложениях для контроля, моделирования, мониторинга и оптимизации процессов. Современные методы тензорной регрессии эффективно использовались для анализа данных структурированного облака точек, где измерения на однородной сетке могут быть..
«Раскрытие информации об увольнении сотрудников: шаг за шагом проект машинного обучения Python»
Отказ от ответственности: этот пост был создан с использованием генеративного ИИ — отнеситесь к его содержанию с недоверием! 🔥💥. Начните создавать свои собственные с помощью Cohere .
TL;DR:
TL;DR: используйте машинное обучение для прогнозирования увольнения сотрудников и принятия превентивных мер. Собирайте исчерпывающие данные о сотрудниках, такие как образование, зарплата, опыт и информация от руководителей. Используйте EDA для определения характеристик, способствующих..
Патологическая классификация голоса с глубоко изученными встраиваниями из голосовых записей
Мы изучаем различные методы машинного обучения для достижения цели классификации патологического голоса и предлагаем использовать модель глубокого обучения под названием RawNet. Это был проект Gabriel Ng во время его стажировки в Digital Hub; курирует Джакс .
С тех пор, как началась пандемия COVID-19, значение классификации патологического голоса резко возросло, и многие страны и больницы изо всех сил пытаются найти эффективные средства тестирования своих людей. Учитывая..
Поиск нейронной архитектуры (NAS) - будущее глубокого обучения
Все, что нужно знать новичку
(Пересмотренную версию этого блога можно найти здесь )
Большинство из нас, вероятно, слышали об успехе ResNet, победителя ILSVRC 2015 в классификации, обнаружении и локализации изображений и победителя MS COCO 2015 обнаружения и сегментации . Это огромная архитектура с пропускаемыми подключениями всюду. Используя этот ResNet в качестве предварительно обученной сети для моего проекта машинного обучения, я подумал: «Как кто-то может создать такую..
Как решить проблему исчезающего градиента в RNN: почему Ghajini?
Рекуррентные нейронные сети (RNN) — это тип нейронной сети, которую можно использовать для обработки последовательных данных. Однако RNN может быть сложно обучать из-за проблемы, называемой проблемой исчезающего градиента.
Проблема исчезающего градиента:
Проблема исчезающего градиента — это явление, которое возникает, когда градиенты функции потерь, касающиеся весов сети, становятся очень маленькими по мере их распространения назад по уровням сети во время обучения. Сети..
Именованные кортежи: малоизвестный помощник по машинному обучению
Отслеживание нескольких переменных может стать кошмаром при разработке машинного обучения. Вы часто обнаруживаете, что данные могут проходить через несколько функций, и им, возможно, потребуется знать настройки для правильного выполнения своей работы.
Часто вы обнаруживаете, что вам нужно сохранить некоторую информацию, когда вы проходите через конвейер машинного обучения. Наиболее распространенные способы сделать это:
Словари, в которых мы получаем доступ к данным через ключи (или..
