Публикации по теме 'ml-so-good'


Классификация изображений в Azure с прямым доступом к данным Dagshub
Обучение модели классификации изображений в Azure без локального хранения данных с помощью Dagshub Direct Data Access и Azure ML SDK. Введение Машинное обучение и искусственный интеллект стали повсеместными, и одним из ключевых навыков Data Scientist является умение создавать масштабируемые модели, работать с конфиденциальными данными, а также создавать надежные конвейеры данных и моделей, которые воспроизводимы. В то время как облачные технологии позволяют нам создавать..
Как я решил проблему с устаревшим кодом, чтобы завершить противоречие Kaggle My Dear Watson…
Примерно через два с половиной года на веб-сайте Kaggle по науке о данных я решил попробовать свои силы в их конкурсе Contradictory My Dear Watson. Раньше меня пугала эта задача, потому что я еще не изучил Tensorflow, но так как я изучал эту библиотеку и использовал нейронные сети в…
LINALG — Линейные комбинации, промежутки и базисные векторы
Основные векторные понятия — 3Blue1Brown Векторное представление с использованием базиса Теперь представьте, что у нас есть вектор в системе координат xy. У нас есть эти два числа для описания вектора. Два числа, обозначающие положение вектора в системе координат. В системе координат xy есть два специальных вектора, i-hat и j-hat, и оба они имеют длину 1. Это «единичные векторы», а единичные векторы всегда имеют длину 1. i-шляпа и j-шляпа также называются «базисными..
Deepchecks: включение автоматического тестирования ваших моделей машинного обучения.
Введение Deepchecks  – это инновационный пакет Python с открытым исходным кодом, который призван упростить и улучшить процесс реализации автоматизированного тестирования моделей машинного обучения (ML). Он выходит за рамки традиционных платформ тестирования, предоставляя современные передовые методы проверки машинного обучения и набор тестов по умолчанию, которые можно легко интегрировать в существующие конвейеры машинного обучения. С помощью Deepchecks разработчики могут начать..
Вменение пропущенных значений с помощью подходов на основе машинного обучения
Уже углубившись в подготовку данных в моем предыдущем посте в блоге (ознакомьтесь с Введением в выбор экземпляра в интеллектуальном анализе данных , если интересно), я решил поднять еще одну важную тему предварительной обработки данных, а именно обработку пропущенных значений. В частности, я хочу погрузиться в подходы на основе ML для вменения пропущенных значений, например. используя KNN или кластеризацию K-средних. Соответствующая информация взята из главы 4 García et al. [1], если не..
Введение в машинное обучение
Понимание цели, шаблонов и правил машинного обучения в науке о данных Что такое машинное обучение? На этот вопрос я отвечу вам в этой статье очень просто, чтобы все поняли. Прежде всего, привет всем, и спасибо, что нашли свой путь к этому сообщению! Я предполагаю, что, поскольку вы искали…
Пошаговая линейная регрессия: целостный взгляд
Линейную регрессию можно рассматривать как один из основных алгоритмов, который долгое время использовался на бумаге, прежде чем его начали кодировать на компьютерах. Многие студенты, изучающие эконометрику, сталкиваются с этим алгоритмом в своих исследованиях. Это пример алгоритма Контролируемое машинное обучение . АЛГОРИТМ ОБУЧЕНИЯ С УПРАВЛЕНИЕМ Алгоритмы обучения с учителем — это тип алгоритмов, в которых у нас есть функции, а также результат набора данных поезда, и мы используем..