Публикации по теме 'machine-learning'


Список популярных алгоритмов машинного обучения
Многие алгоритмы сгруппированы на основе сходства их функций. Алгоритмы регрессии Обычная регрессия методом наименьших квадратов (OLSR) Линейная регрессия Логистическая регрессия Пошаговая регрессия Сплайны многомерной адаптивной регрессии (MARS) Локально оцененное сглаживание диаграммы рассеяния (LOESS) Алгоритмы на основе экземпляров k-ближайший сосед (kNN) Изучение векторного квантования (LVQ) Самоорганизующаяся карта (SOM) Локально взвешенное обучение (LWL) Методы..
Проблеск тенденций листинга и скачка цен на Airbnb в Сиэтле.
Введение С 2008 года гости и хозяева используют Airbnb для более уникального и индивидуального путешествия. В рамках инициативы Airbnb Inside собранный набор данных описывает активность размещения в семьях в Сиэтле, штат Вашингтон. [ источник ] Мы будем использовать эти собранные наборы данных , чтобы исследовать их и найти ответы на некоторые из наиболее важных вопросов, которые каждый из нас хочет знать. Есть ли тенденция между количеством объявлений и посетителями на..
Почему разработка рабочего процесса важна для успеха проектов машинного обучения?
В последние годы машинное обучение стало одним из самых модных словечек в технологической индустрии. Как компании, так и частные лица изо всех сил пытаются внедрить алгоритмы машинного обучения в свои рабочие процессы в надежде получить конкурентное преимущество. Однако в погоне за внедрением этой передовой технологии легко забыть, что именно рабочий процесс определяет успех любого проекта. На самом деле гораздо важнее сосредоточиться на рабочем процессе, чем на машинном обучении.
Временная разница RL: Сарса против Q-обучения
Введение В этом сообщении блога я буду исследовать два алгоритма обучения с подкреплением: Сарса и Q-обучение. Это два метода временной разности (TD). TD сочетает в себе идеи Монте-Карло и динамического программирования. TD учится на опыте, таком как Монте-Карло, но не ждет окончания всего эпизода, он использует оценочные значения следующего состояния в качестве цели для обновления значения следующего состояния, т. е. он загружается, как в динамическом программировании. Однако..
Инвестиции в акции AI: как компании используют искусственный интеллект?
Искусственный интеллект (ИИ) использует компьютеры для выполнения задач, которые обычно требуют человеческого интеллекта, с помощью машинного обучения и глубокого обучения. ИИ создается с помощью машинного обучения, которое включает в себя обучение системы с огромными объемами данных. Затем он использует обученную систему, чтобы делать выводы о новых данных, которые он никогда не видел. Самый простой пример — система, предназначенная для обнаружения объектов на изображениях...
Регрессия и ее варианты: простая, множественная, LASSSO, хребтовая и ступенчатая регрессия.
Сходства и различия между различными типами регрессии Допустим, вы, как специалист по обработке данных, хотите проанализировать набор данных об учениках, в котором есть записи об их росте и весе. Вы заметили, что в столбце веса отсутствует значение. Можете ли вы предсказать это отсутствующее значение? Регрессия помогает решить подобные проблемы. В реальных приложениях машинного обучения регрессионные модели часто используются для прогнозирования неизвестных значений на основе..
Система рекомендаций фильмов (с нуля до развертывания)
Для начинающих: Создание системы рекомендаций фильмов (MVRS) на основе контента с нуля. Чтобы начать какой-либо проект, сначала мы обобщим весь этот поток проекта в уме, составив ментальную карту для этого проекта . Что, как и почему нужно сначала ответить на вопрос о проекте, прежде чем начинать его. Обобщив все это, мы приступим к кодированию. Итак, давайте начнем со знакомства с типами рекомендательных систем. Типы рекомендательной системы: В системе рекомендаций..