Публикации по теме 'data-science'
Сказка старой бабушки «Регресс».
Регрессия , ах! Одна из классических техник машинного обучения, о которой могли знать даже наши дорогие бабушки. Это немного похоже на поиск подходящего размера для вашей любимой пары джинсов — вы примеряете разные размеры, пока не найдете тот, который подходит именно вам. Но вместо того, чтобы измерять свою талию, бедра и ноги, вы измеряете свои данные, пытаясь найти наиболее подходящую линию для их описания.
Итак, что такое регрессия в науке о данных? Ну, это статистический..
7 лучших инструментов Python, которые сделают вашу жизнь проще
Усильте свою разработку на Python
Есть поговорка «Не нужно изобретать велосипед». Инструменты — лучший тому пример. Это поможет вам легко реализовать сложную и трудоемкую функциональность. По моему мнению, для повышения производительности и эффективности нам нужно использовать одни из лучших доступных инструментов. Здесь я собрал 7 инструментов, которые помогут вам с…
Сила трансформеров: Путеводитель не инженера по сердцу ИИ
Хотя с появлением ИИ появилось много революционных технологий, одна из них выделяется: сети-трансформеры. Если вы восхищались текстом, похожим на человеческий, сгенерированным такими языковыми моделями, как GPT-3 и GPT-4, вы видели Transformer в действии. Но что такое трансформер и почему он меняет правила игры? В этой статье мы разберем сложные концепции, лежащие в основе Трансформеров, чтобы сделать их понятными для не-инженеров. Мы изучим их компоненты, то, как они обрабатывают..
Использование пяти сил Портера для анализа систем Cisco (CSCO)
Использование пяти сил Портера для анализа систем Cisco (CSCO)
Cisco — ведущая компания в отрасли связи и сетей, использующая приобретения для роста и выхода на новые рынки.
Чтобы принимать обоснованные инвестиционные решения, инвесторы должны проводить фундаментальный анализ финансового положения компании. Это включает в себя изучение финансовых отчетов, отчетов 10-K и 10-Q, динамики акций и уделение пристального внимания таким коэффициентам, как коэффициент P/E и коэффициент D/E...
Использование пространств Гельфанда–Шилова для задач машинного обучения, часть 8
Эрмитовые разложения элементов обобщенного пространства Гельфанда-Шилова (arXiv)
Автор : З. Лозанов — Црвенкович , Д. Перишич
Аннотация: Охарактеризованы элементы обобщенных пространств Гельфанда Шилова через коэффициенты их разложения Фурье-Эрмита. Используемая нами методика может применяться как в квазианалитическом, так и в неквазианалитическом случае. Из характеризаций вытекают теоремы о ядре для двойственных пространств. В квантовой теории поля с фундаментальной длиной..
Как работает скорость звездообразования, часть 4 (Космология)
Рассеяние диска, формирование гигантских планет и колебания скорости звездообразования в последней трехмиллионной истории Пояса Гулда (arXiv)
Автор: Минчао Лю , Цзиньхуа Хэ , Цзисин Гэ , Тие Лю , Юпин Тан , Сючжи Ли .
Аннотация: Хотя эпизодическое звездообразование (SF) было предложено для близлежащих областей SF, панорамный обзор последней эпизодической истории SF в окрестностях Солнца все еще отсутствует. Путем равномерного ограничения наклона α инфракрасных спектральных..
Как эффективно прогнозировать несбалансированные классы в Python
Все детали, которые вам когда-либо понадобятся для работы с несбалансированными задачами классификации машинного обучения
По любопытной иронии судьбы, количество времени, которое я обычно трачу на задачи классификации, намного больше, чем на задачи регрессии. И, как назло, мне приходится чаще работать с несбалансированными наборами данных. Возможно, это потому, что моя повседневная работа включает в себя прогнозирование и анализ кредитного риска, вероятности дефолта и других рисков..