Публикации по теме 'modeling'
Как я рисую ловушку на диаграмме последовательности
Не существует стандартного способа моделирования обработки исключений на диаграмме последовательности. Однако обработка исключений часто имеет решающее значение. Вот как я это представляю. Помните, что вы можете получить некоторую свободу в использовании UML. Это язык, и поэтому он меняется с течением времени. Пока ваш читатель понимает идею, которую вы хотите выразить, все идеально.
Приведенная выше диаграмма создана с Web Sequence бесплатным расширением Chrome (с открытым..
Python: моделирование кредитного скоринга. Под капотом
Распространенной проблемой в науке о данных является предсказание бинарного результата или проблема бинарной классификации. Проще говоря, задача состоит в том, чтобы предсказать будущую «плохую» или будущую «хорошую» производительность — будущую покупку, кредитный дефолт, отток (человек, который не будет продолжать обслуживание) и так далее.
Для построения прогноза можно применять разные подходы, но в целом каждая такая модель будет давать в результате класс (0 или 1, хороший или..
Поиск корня в Python
Это может быть просто и эффективно, поверьте мне.
Независимо от того, являетесь ли вы ученым, инженером или кем-то еще, поиск корней — это проблема, с которой вы столкнетесь по пути, занимаясь числовыми задачами. Неважно, пытаетесь ли вы решить физическую модель, проводите какие-то операционные исследования для распределения ресурсов, планируете маршрут или выполняете подгонку данных, поиск корней будет в любом случае.
Python сам по себе медленный, но кто вообще решает проблемы на..
Реализация и объяснение случайного леса в Python
Дерево решений — строительный блок
Дерево решений – это самый мощный и популярный инструмент для классификации и прогнозирования. Дерево решений представляет собой древовидную структуру, похожую на блок-схему, где каждый внутренний узел обозначает проверку атрибута, каждая ветвь представляет результат проверки, а каждый конечный узел содержит метку класса.
Представление дерева решений. Деревья решений классифицируют экземпляры, сортируя их вниз по дереву от корня до некоторого..
Почему простые модели часто лучше
Значение бритвы Оккама в науке о данных и машинном обучении
В науке о данных и машинном обучении простота является важной концепцией, которая может оказать существенное влияние на характеристики модели, такие как производительность и интерпретируемость. Слишком сложные решения, как правило, отрицательно влияют на эти характеристики, увеличивая вероятность переобучения, снижая эффективность вычислений и снижая прозрачность выходных данных модели.
Последнее особенно важно для областей,..
Оценка и проверка модели
15-й день #15DaysOfStats
1️⃣ Метрики оценки. Такие метрики, как точность, воспроизводимость, полнота, оценка F1 и AUC, оценивают производительность модели. Например, точность измеряет процент правильных прогнозов. Понимание метрик помогает эффективно оценивать модели.
2️⃣ Train-Test Split: включает разделение данных на обучающие и тестовые наборы. Набор поездов строит модель, в то время как набор тестов оценивает ее производительность на невидимых данных, показывая, насколько..
Как избежать переобучения и недообучения
Прежде чем мы перейдем к экспериментам, стоит немного напомнить о переоснащении и недообучении.
Все эксперименты должны проводиться на разных частях ваших данных.
Набор данных для обучения . Используйте этот набор для обучения модели, 70–80 % ваших данных являются стандартными. Набор данных для проверки/разработки . Используйте этот набор для настройки гиперпараметров модели и оценки экспериментов. 10–15 % ваших данных — это стандарт. Набор тестовых данных . Используйте этот..
