Публикации по теме 'classification'


Развитие доверия к прогнозам моделей машинного обучения
Интерпретация и объяснение прогнозов, сделанных моделями машинного обучения с использованием LIME Что, если я скажу вам инвестировать 100 000 долларов США в определенную акцию сегодня, поскольку моя модель машинного обучения предсказывает высокую прибыль. Вопрос, который вы мне зададите, будет заключаться в том, чтобы объяснить основу моего прогноза, так как это важное решение для вас. Вы не хотите играть в азартные игры, но хотели бы принимать обоснованные решения на основе данных...
Дисбаланс данных и методы обработки
Данные о дисбалансе - это реальная проблема, с которой специалисты по обработке данных и аналитики сталкиваются в основном при решении проблем классификации. В этом блоге мы собираемся понять, что такое дисбаланс данных, каковы недостатки несбалансированных данных и как с ними справиться. Далее мы подробно рассмотрим методы обработки несбалансированных данных. 1. Используя правильный показатель эффективности 2. Случайная недостаточная выборка 3. Случайная избыточная выборка 4...
Развертывание вашей первой модели машинного обучения в качестве конечной точки REST с использованием Flask и Bootstrap.
Будучи старшим архитектором решений в Databricks, помимо взаимодействия с клиентами, я регулярно выступаю с докладами и пишу статьи о машинном обучении, MLOps и прочих технологиях. Недавно на вебинаре студент колледжа спросил меня, как я начал работать с ML и как лучше всего практиковать концепции, связанные с ML. Я сделал небольшую паузу и задумался о своем путешествии в мир машинного обучения. Я всегда чему-то учился, делая и глядя на примеры. Итак, для всех энтузиастов Data Science,..
Распространенные решения, распространенные ошибки: настройка моделей на ваши данные
Распространенные решения, распространенные ошибки: настройка моделей на ваши данные Четыре ловушки, на которые следует обратить внимание при использовании популярных решений машинного обучения для ваших данных Допустим, вы хотите обучить классификатор. Вы с радостью применяете популярный учебник, который вы нашли, к вашему набору данных, но разочаровываетесь, когда видите результаты: ваша модель работает плохо. Вы выполнили все шаги реализации, но популярное решение вас не устроило...
5 проектов по машинному обучению для начинающих, чтобы улучшить свои навыки
Машинное обучение — это быстро развивающаяся область, которая предлагает новичкам огромные возможности для расширения своих знаний и повышения навыков. С правильными проектами новички могут получить практический опыт и заложить прочную основу для машинного обучения. Вот пять проектов машинного обучения для начинающих. Классификация изображений . Этот проект включает в себя создание модели, которая может классифицировать изображения по разным категориям. Новички могут начать с..
Надежные машины факторизации
Неполные данные? Шумные настройки? Давайте рассмотрим Робастные машины факторизации , недавнее шумозащитное дополнение в области контролируемого обучения. Робастные машины факторизации , недавно предложенные на WWW’18, представляют собой семейство нелинейных классификаторов, которые учитывают любую потенциальную неполноту / шум данных. Они включают в себя принципы робастной оптимизации в очень выразительных машинах факторизации. В результате обученные модели демонстрируют..
Машина опорных векторов и ее логика.
Машина опорных векторов — это модель машинного обучения с учителем. Это означает, что вам нужен набор данных, который был помечен. Допустим, у вас есть ежедневная доходность финансовых временных рядов, мы можем обозначить их как положительную доходность как 1 или отрицательную доходность как 0. Это также известно как метод классификации, когда он классифицирует входные данные на основе обученной модели. Чтобы понять интуицию, стоящую за SVM, нам нужно понять две важные темы. -..