Публикации по теме 'feature-engineering'
Систематический способ извлечения признаков из данных изображения
Для алгоритма машинного обучения
Разработка признаков — это процесс получения необработанных данных и извлечения признаков, полезных для моделирования. С изображениями это обычно означает извлечение таких вещей, как цвет, текстура и форма. Существует много способов разработки функций, и подход, который вы выберете, будет зависеть от типа данных, с которыми вы работаете, и проблемы, которую вы пытаетесь решить.
Но зачем нам это нужно с изображениями?
Изображения инкапсулируют много..
Интерпретируйте свою модель машинного обучения «черный ящик» с учетом важности функции перестановки
Вычислить важность глобальной функции для обученного оценщика
Моделирование является важным компонентом конвейера разработки моделей обработки данных. Он соответствует обработанным данным обучения с использованием алгоритма машинного обучения, чтобы делать прогнозы для невидимых точек. Некоторые модели, такие как логистическая регрессия и k-NN, легко представить, но большинство моделей науки о данных печально известны как модели черного ящика, поскольку их трудно понять и объяснить..
Разработка функций для машинного обучения
Разработка функций — это процесс, который берет необработанные данные и преобразует их в функции, которые можно использовать для создания прогностической модели с использованием машинного обучения или статистического моделирования, такого как глубокое обучение. Разработка признаков направлена на подготовку набора входных данных, который наилучшим образом соответствует алгоритму машинного обучения и повышает производительность моделей машинного обучения. Инжиниринг признаков может помочь..
Практическое руководство по проектированию функций в Python
Изучите основные методы и инструменты для эффективной разработки функций в Python
Разработка функций - один из важнейших навыков, необходимых в науке о данных и машинном обучении. Это имеет большое влияние на производительность моделей машинного обучения и даже на качество информации, полученной в ходе исследовательского анализа данных (EDA).
В этой статье мы познакомимся с некоторыми важными методами и инструментами, которые помогут вам правильно извлекать, готовить и..
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..