Публикации по теме 'model'
Использование машинного обучения в анализе данных ЭКГ для диагностики заболеваний сердца
ЭКГ (электрокардиограмма) представляет собой временной ряд сигналов, отражающих электрическую активность сердца. Данные ЭКГ собираются путем размещения электродов на груди, руках и ногах и измерения разности электрических потенциалов между этими электродами. Результирующий сигнал ЭКГ представляет собой серию изменений напряжения с течением времени, отражающих деполяризацию и реполяризацию сердечной мышцы во время каждого сердечного цикла. Типичный сигнал ЭКГ состоит из нескольких отдельных..
Часто используемые алгоритмы машинного обучения
Вот краткое изложение некоторых часто используемых алгоритмов машинного обучения:
Линейная регрессия. Линейная регрессия — это линейный подход к моделированию связи между зависимой переменной и одной или несколькими независимыми переменными. Он предполагает, что связь между переменными является линейной, и пытается найти наилучшую линейную функцию, описывающую эту связь. Линейная регрессия используется для прогнозирования непрерывного значения, такого как цена дома или спрос на..
Утечка данных — Учитывайте то, что узнает ваша модель
Цель этой статьи — показать, как утечка данных может стать настоящей занозой в машинном обучении.
Повышение производительности модели радует, но, как я выразился в другой статье , цель обобщения модели важнее, чем модель с точностью 99%.
Что такое утечка данных
Утечка данных — это концепция, которую можно отнести к отслеживанию данных (см. статью , о которой я написал, если вам интересно), потому что отслеживание может в какой-то момент стать утечкой и вызвать та же проблема,..
Кураторский список сред Cuda
В быстро меняющемся мире разработки программного обеспечения управление зависимостями и создание воспроизводимых сред имеют первостепенное значение для успешных результатов проекта. К счастью, такие инструменты, как Pip, Conda, Docker и аналогичные решения, предлагают мощные механизмы для создания контролируемых сред. В этой статье рассматривается важность использования этих инструментов и, в частности, исследуются преимущества сред conda. Кроме того, список находится в репозитории GitHub..
На пути к построению беспристрастной регрессионной модели машинного обучения — пример аренды Airbnb…
Использование логарифмического преобразования меток и передискретизации данных меньшинства для уменьшения систематической ошибки модели.
В продолжение одной из моих недавних статей,
Прогнозирование цен на аренду Airbnb в 10 европейских городах значения SHAP для города, типа комнаты, расстояния до центра города и т. д. medium.com
Я получил комментарий от Юджинии Анелло об использовании преобразования журнала меток в задачах..
Как создать микшер нестандартной модели в Lightwood
Введение
Микшеры — это центральная часть лайтвуда, задача которой — изучение сопоставления между закодированной функцией и целевым представлением. Lightwood — это среда AutoML, позволяющая создавать и настраивать конвейеры машинного обучения с помощью декларативного синтаксиса под названием JSON-AI . Микшеры учатся отображать закодированное представление, они являются ядром AutoML Lightwood. В этом уроке мы попытаемся реализовать LightGBM как микшер, который обрабатывает..
Состязательное машинное обучение — Борьба с злоумышленниками
В этой статье вы узнаете, что такое состязательное машинное обучение и как его применять в конкретных случаях.
Реальные случаи, в которых применяются модели машинного обучения, должны справляться с вариациями данных, которые они используют для обучения. Действительно, правила, которым модель учится на обучающем наборе данных, изменятся со временем . Этот обучающий набор данных должен быть обновлен, чтобы оставаться актуальным и позволять моделям быть эффективными в их работе по..
