Публикации по теме 'machine-learning'
Как наш искусственный интеллект использует данные Crowd Wisdom, чтобы предсказать сбой и превзойти ...
Это была тяжелая неделя для розничных инвесторов по всему миру. После того, как вспышка коронавируса получила официальный статус «пандемии», рынки упали в состояние распродажи, которого не было много лет.
В глобальной экономике, подпитываемой низкими процентными ставками и дешевыми деньгами, нетрудно увидеть пузыри, созданные по классам активов. Например, в случае глобальных акций коэффициенты ценовой прибыли все больше теряют свое значение как мерило для оценки стоимости, поскольку бычье..
Большие проблемы и большие данные — «Обнаружение миграции, вызванной изменением климата, с помощью машинного обучения».
Суммируя
Изменение климата и глобальная миграция находятся в центре внимания политиков. Теме вода, изменение климата и развитие Всемирный банк посвятил целый доклад [1]. Вместе с коллегами из Всемирного банка мы собрали новый набор данных, чтобы сделать миграцию, вызванную изменением климата, видимой с использованием объяснимых методов машинного обучения. Мы демонстрируем, как наука о социальных данных может помочь политикам принимать более обоснованные решения по некоторым из..
Разделение ваших данных: выход за рамки train_test_split
Правильное разделение данных для вашего проекта машинного обучения имеет решающее значение для его успеха. Вы хотите обучить модель на как можно большем количестве данных, но также убедитесь, что она не просто выучила решение наизусть. Обычно вы делите свои данные на три категории: ~80 % обучения , 10 % проверки и 10 % тестирования. Затем вы подгоняете свою модель к обучающим данным до тех пор, пока ошибка проверки не начнет увеличиваться, и, наконец, тестируете свой тестовый набор...
Одновременное обучение нескольких моделей временных рядов в Spark с помощью XGBoost
Воспользуйтесь преимуществами распределенной мощности Apache Spark и одновременно обучайте тысячи авторегрессионных моделей временных рядов на больших данных.
1. Введение
Предположим, у вас есть большой набор данных, состоящий из почасовых транзакций ваших клиентов, и вам поручили помочь вашей компании прогнозировать и выявлять аномалии в их схемах транзакций. «Если скорость транзакций некоторых клиентов внезапно снижается, мы хотим знать об этом, — объясняет менеджер по продукту, —..
Понимание линейной регрессии: полное руководство
Изучение основ линейной регрессии в машинном обучении
Сегодня мы узнаем о важном алгоритме обучения с учителем: линейной регрессии. В предыдущих статьях о машинном обучении и обучении с учителем мы заложили основу для этого важнейшего алгоритма.
Линейная регрессия — самый простой алгоритм обучения с учителем. Он используется для прогнозирования значения непрерывной зависимой переменной (той, которую мы хотим предсказать) на основе одной или нескольких независимых переменных..
Будущее Python
Как это формирует мир данных, искусственного интеллекта и не только
Будущее Python
Углубленный взгляд на то, куда движется Python и почему он остается одним из самых популярных и мощных языков программирования.
Введение
Python стал одним из наиболее широко используемых языков программирования в мире. Первоначально созданный Гвидо ван Россумом в 1991 году, Python превратился из небольшого языка сценариев в универсальный инструмент, используемый во многих областях, включая..
Теория регуляризации машинного обучения для чайников.
Теоретическое введение для начинающих.
Я читал о регуляризации и не мог найти ничего прямого и глупого, поэтому я подумал, что должен написать что-нибудь там.
Прежде чем мы расскажем, что такое регуляризация, нам нужно понять, почему нас это вообще должно волновать?
Я имею в виду, что если оценки метрик велики, результат хорошо предсказуем, зачем беспокоиться о регуляризации функций?
Создание модели машинного обучения с меньшим количеством точек данных и ее использование для..
Новые материалы
12 сайтов с искусственным интеллектом, которые поразят вас
Приготовьтесь поразить воображение
Сегодня существует несколько веб-сайтов, использующих искусственный интеллект (ИИ). От индивидуальных рекомендаций по новостям до более умных поисковых..
Скрытый технический долг в системах машинного обучения [NeurIPS 2015]
Что такое технический долг?
Технический долг — это метафора, введенная Уордом Каннингемом в 1992 году, чтобы объяснить долгосрочные затраты, связанные с быстрым продвижением в разработке..
Алгоритм быстрой сортировки в Python
Всем привет, добро пожаловать на programminginpython.com . Здесь я покажу вам, как реализовать алгоритм быстрой сортировки в Python. В предыдущих статьях я рассмотрел Сортировку вставкой ,..
Как использовать манипулирование объектами в JavaScript
Объекты являются важным строительным блоком JavaScript. Они позволяют группировать свойства и методы вместе.
Объект представляет собой набор свойств. Свойства идентифицируются с..
Разработка игр с помощью Godot Engine: мощный инструмент с открытым исходным кодом
Разработка игр — творческий и сложный процесс, требующий множества навыков и инструментов. Одним из наиболее важных инструментов является игровой движок, который представляет собой программную..
От XML к аннотациям: переход к современной конфигурации Spring
Введение
Фреймворк Spring претерпел значительную эволюцию с момента своего создания. Одним из заметных изменений стал переход от конфигураций на основе XML к конфигурациям, управляемым..
Я люблю Руби!
Я люблю Руби! Мне это нравится по той же причине, по которой мне нравится программировать на Python. Он настолько интуитивно понятен, а встроенные методы упрощают решение проблем. Если вы..