Публикации по теме 'machine-learning'


Влияние машинного обучения на конфиденциальность данных
По мере того, как мир движется к цифровизации, каждый день собирается все больше личной и личной информации. Эти данные необходимо обрабатывать и изучать, чтобы организации могли внедрять инновации. В новую информационную эру, когда данные — это новая нефть, конфиденциальность данных становится одной из самых больших проблем для правительств и общества. В этой среде во всем мире появляются новые правила и законы о конфиденциальности, которые меняют ландшафт проектов по работе с данными..
Создайте модель машинного обучения с помощью PyCaret и соответствующий пользовательский интерфейс с помощью Gradio.
Постановка проблемы и цель Представьте, что вы работаете специалистом по данным в страховой компании. Ваш менеджер попросил вас придумать решение для анализа данных, чтобы оценить стоимость медицинского обслуживания человека, купившего медицинскую страховку в учреждении. Создайте модель машинного обучения для оценки стоимости медицинского обслуживания пациента . Пикарет PyCaret — это библиотека машинного обучения с открытым исходным кодом и инструмент сквозного управления..
CS373 Fall 2018: Колин Фрик
Неделя 10 Что вы делали на прошлой неделе? На прошлой неделе мы наконец закончили третий проект. В классе мы продолжили говорить о таблицах sql и некоторых функциях, относящихся к выбору строк и столбцов из этих таблиц. Я также записался на занятия на весенний семестр. Я решил выбрать «Дизайн программного обеспечения», «Приложения обработки естественного языка», «Финансы», «Менеджмент» и «Межличностное общение». Я счастлив, что я получил все классы, которые я надеялся..
Логистическая регрессия в Python
Что такое логистическая регрессия? Логистическая регрессия — это статистическая модель, используемая для анализа связи между бинарной зависимой переменной (т. е. переменной, которая принимает одно из двух значений) и одной или несколькими независимыми переменными. Модель может отвечать на такие вопросы, как следующий вопрос: Откажется ли клиент от страхового плана? Загружает ли пользователь приложение? Модель логистической регрессии оценивает вероятность переменной результата..
Сегментация клиентов с помощью машинного обучения| Почему? | Как?
Прочитав эту статью, вы поймете, как проводить «Сегментацию клиентов» с помощью машинного обучения и почему это важно с точки зрения бизнеса. Это моя первая статья, так что ставьте лайк, если считаете ее информативной. Концепция: Компании обычно изо всех сил пытаются обеспечить персонализированный опыт для клиентов. Понимание ваших клиентов имеет решающее значение, если вы хотите развивать свой бизнес. Знание своих клиентов поможет вам создавать целевые кампании и объявления...
SVM : обман ядра
SVM — один из самых простых и крутых алгоритмов машинного обучения. Для нелинейных задач это буквально соответствует поговорке «взгляд на проблему с разных точек зрения». Машины опорных векторов (SVM) представляют собой набор контролируемых методов обучения, используемых для классификации, регрессии и обнаружения выбросов. : sklearn 1.4. Машины опорных векторов Машины опорных векторов (SVM) — это набор контролируемых методов обучения, используемых..
Оценка плотности ядра объясняется шаг за шагом
Интуитивный вывод формулы KDE Введение Чтобы получить представление о распределении данных, мы рисуем функции плотности вероятности (PDF). Мы рады, когда данные хорошо соответствуют общей функции плотности, например нормальной, Пуассоновой, геометрической и т. д. Тогда можно использовать подход максимального правдоподобия для соответствия функции плотности данным. К сожалению, распределение данных иногда бывает слишком неравномерным и не похоже ни на один из обычных..