Nano Hash - криптовалюты, майнинг, программирование

Публикации по теме 'decision-tree'


Пошаговый подход к построению деревьев классификации и регрессии (CART)
Дерево классификации и регрессии (CART) — это алгоритм обучения дерева решений, используемый для построения прогностических моделей из наборов данных. Модели строятся путем рекурсивного разделения набора данных с помощью истинных или ложных вопросов , которые обеспечивают пороговые значения для разделения. Разделение направлено на создание распределения чистых меток по мере роста дерева. Мы объясним, что мы подразумеваем под «чистыми ярлыками», когда будем читать дальше...
Деревья решений — введение в теорию для начинающих (часть 1)
Предположим, вы пишете для популярного фантастического блога, и вас попросили написать новую историю для публикации в этом месяце. Начинать с нуля было бы сложно, не так ли? Вы, вероятно, проверили бы любые данные пользовательской аналитики, которые вы могли бы прочитать. Пройдясь по статистике, вы узнаете, что большинство читаемых постов связаны с историями о приключениях главного героя в неизведанной стране. Вы также обнаружили, что люди в возрасте от 13 до 19 лет читают больше..
Обзор машинного обучения  — Часть 3
Сценарист: Лука Брклячич Оглавление Введение Дерево решений а. Деревья классификации б. Деревья регрессии Примеры Python а. Деревья классификации б. Деревья регрессии Введение Добро пожаловать в третье издание нашего обзора машинного обучения! В этом посте мы углубимся в механизмы машинного обучения, подробно изучив деревья решений . Чтобы получить полную картину, обязательно сначала ознакомьтесь с Часть 1 и Часть 2 . Если в какой-то момент вы..
Разрушение шаблонов данных с помощью деревьев решений
Предыдущие темы 1. Линейная регрессия https://medium.com/@the.data.yoga/linear-regression-all-you-need-to-know-de44f93bc5fe 2. Логистическая регрессия https://medium.com/@the.data.yoga/moving-ahead-with-logistic-regression-654f77c76d60 Учитывая, что вы прошли через математику и предположения, лежащие в основе линейной и логистической регрессии, возникает один очевидный вопрос: можно ли каждую тенденцию записать или объяснить в виде уравнения, существуют ли альтернативные способы..
Путешествуя по Walmart: классификация поездок за покупками в Walmart для лучшего понимания клиентов
Улучшение полиномиальной логистической регрессии с помощью деревьев решений, случайных лесов и настройки гиперпараметров Полный код можно найти здесь: Github Link Этот проект, являющийся решением конкурса Kaggle Рекрутинг Walmart — классификация типов поездок , демонстрирует, как Walmart объединяет искусство и науку для повышения уровня понимания клиентов и качества обслуживания. Сегментация посещений магазинов по различным типам поездок улучшает впечатления от..
Разветвление: понимание деревьев решений, практический способ
Деревья решений. Они как блок-схема на стероидах. По сути, дерево решений — это тип модели машинного обучения, которая помогает вам принимать решения, визуализируя различные варианты и их потенциальные результаты. Это как дорожная карта для выбора на основе различных критериев. В верхней части дерева у вас есть начальная точка или корневой узел, а затем у вас есть ветви, представляющие различные варианты выбора или решения, которые вы можете принять. Каждая ветвь ведет к новому..
Понимание случайных лесов: ансамбль деревьев решений
Случайные леса — это популярный и широко используемый алгоритм машинного обучения, который применяется в различных случаях. Алгоритм объединяет несколько деревьев решений, которые обучаются на разных подмножествах данных, а результаты объединяются для получения окончательного прогноза. В результате получается модель, которая является более точной и надежной, чем одно дерево решений. В этой статье мы углубимся в технические детали Random Forests, поймем, как работает алгоритм, и его..
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..