Публикации по теме 'machine-learning'
101 О глубоком обучении
Технологическая и бизнес-индустрия очень оптимистичны в отношении будущего машинного обучения. Эксперты считают, что к 2020 году эта технология потенциально может добавить более 2 трлн долларов в производство и логистическую отрасль, а еще 2,5 трлн долларов добавятся в области маркетинга и продаж.
Международная корпорация данных прогнозирует, что глобальные расходы на машинное обучение превысят 77 миллиардов долларов к 2022 году . Одним из наиболее важных факторов этого роста..
Обнаружение объектов и сегментация экземпляров: подробный обзор
Обнаружение объектов - это, безусловно, одна из самых важных областей исследований в области компьютерного зрения. Исследователи в течение долгого времени интересовались этой областью, но в последние годы были достигнуты значительные результаты в связи с появлением Convnets как экстракторов признаков и Transfer Learning как метода передачи предыдущих знаний. Ранние детекторы объектов основывались на функциях ручной работы и использовали подход на основе скользящего окна, который был..
Логистическая регрессия в машинном обучении
Логистическая регрессия — это метод, который можно использовать как для традиционной статистики, так и для машинного обучения.
Логистическая регрессия аналогична линейной регрессии, за исключением того, что логистическая регрессия предсказывает, является ли что-то истинным или ложным , вместо того, чтобы предсказывать что-то непрерывное, например размер.
Кроме того, вместо подгонки линии к данным логистическая регрессия соответствует S-образной логистической функции.
Кривая..
Обобщить
Обобщать
Если вы читаете это (и понимаете содержание моих блогов), я предполагаю, что вам как минимум за двадцать. Это означает, что вы уже потратили значительную сумму на этой планете. Ваше сознание приняло физическую форму в этой вселенной, и вы на собственном опыте или, что наиболее распространено в сегодняшнее время, опосредованно (через социальные сети, телевидение, интернет) усвоили некоторые правила этой вселенной. Вы вольно или невольно, сознательно или бессознательно усвоили..
Обработка искаженных данных во время анализа данных:
Скажите, что вы хотели бы проверить распределение вашей целевой переменной, поэтому вы продвигаетесь вперед и строите график ее распределения. Теперь вы заметили, что ваши данные разбросаны повсюду на графике, когда вы ожидали, что распределение будет нормальным или близким к нормальному, теперь этот «странный» разброс данных также известен как асимметрия данных в распределении.
Существуют в основном 2 типа искаженных данных:
1) положительные или искаженные вправо данные
2)..
Раз и навсегда устранение путаницы: fig, ax = plt.subplots ()
Узнайте об объектах фигур и осей в Matplotlib
Вступление
Прочитав эту статью, вы изучите два основных объекта графиков Maptlolib: фигуру и оси. Вы, наконец, поймете разницу между простым построением графиков ( plt.plot ) и созданием подзаголовков с помощью plt.subplots() .
Когда вы начнете свое путешествие в науку о данных, вы познакомитесь с Matplotlib как с вашей первой библиотекой для визуализации данных. Большинство руководств для новичков жестоко обманывают студентов,..
Дух ансамбля
Крикет в Индии — это общая связь, объединяющая людей, даже если у них разные взгляды и убеждения. В Индии это популярный вид спорта, и мы любим крикет. То, как играет нынешняя индийская команда, просто фантастика. Пусть он сделает ставку на тестовую серию в Австралии, которую Индия выиграла со счетом 2: 1 после того, как в первом тестовом матче поставила все на 36. Большое достижение. Или будь то тестовая серия Индия-Англия, в которой Индия с комфортом обыграла Англию со счетом 3–1...
