Когда мы начинаем работать с данными, мы (как правило, всегда) замечаем, что в данных есть несколько ошибок, таких как пропущенные значения, выбросы, неправильное форматирование и т. Д. В двух словах мы называем их несогласованностью. Эта согласованность более или менее искажает данные и мешает алгоритмам машинного обучения правильно прогнозировать. Ранее мы наблюдали, как выбросы могут исказить наш анализ. Кроме того, мы заметили, что классификатор k-NN повысил точность после того, как..

Машинное обучение может быть сложным - есть несколько этапов, которые могут ограничить скорость процесса итеративного моделирования даже для опытных практиков. Будучи студентом вводного курса машинного обучения Джереми Ховарда в Университете Сан-Франциско, я узнал, что процесс моделирования можно упростить и ускорить. Это цель библиотеки fast.ai , которая постоянно совершенствуется. Цель этого поста - облегчить быструю и эффективную гиперпараметрическую оптимизацию моделей машинного..