Публикации по теме 'statistics'
Расширенная регрессия
Статистика колледжа с Python
Введение
В серии еженедельных статей я расскажу о некоторых важных статистических темах с изюминкой.
Цель состоит в том, чтобы использовать Python, чтобы помочь нам получить интуитивное представление о сложных концепциях, эмпирически проверить теоретические доказательства или построить алгоритмы с нуля. В этой серии вы найдете статьи по таким темам, как случайные переменные, выборочные распределения, доверительные интервалы, тесты значимости и многое..
Измерение корреляции: сравнение коэффициентов Пирсона и Спирмена
Разбивка того, как измерить корреляцию в различных сценариях
Фон
Как специалисты по данным, мы тратим много времени на просмотр и анализ больших наборов данных. Этот процесс широко известен как Объяснительный анализ данных (EDA) . Одна из ключевых вещей, которую мы ищем, особенно когда дело доходит до моделирования, это то, как переменные влияют друг на друга или коррелируют друг с другом. Это информирует нас о прогнозируемости функции для целевой переменной. В этом посте я..
Статистическая математика для уменьшения размерности в науке о данных.
Что я буду обсуждать:
Что такое разработка функций и уменьшение размерности Дисперсия и центральная тенденция (среднее) Ковариация Как это можно использовать в машинном обучении Вывод
Разработка функций и уменьшение размерности
Разработка функций, вероятно, является одним из наиболее важных шагов, которые необходимо предпринять перед обработкой входных матриц функций в модели машинного обучения. Разработка функций направлена на выяснение отношений и свойств различных случайных..
Байесовская методология: обзор с помощью программного обеспечения R
Байесовская методология отличается от традиционной статистической методологии тем, что использует частотный подход. Байесовская методология была введена Томасом Байесом (статистиком и служителем пресвитерианской капеллы) в 18 веке. Байесовская методология в настоящее время широко используется благодаря ее простым, понятным и интерпретируемым характеристикам значений вероятности и эффективности современных компьютерных систем.
Байесовская методология в настоящее время используется в..
Формирование статистического мышления для прогнозирования будущего — Машинное обучение
Насколько важно для инженеров по машинному обучению превращать данные в знания?
Насколько важно для инженеров по машинному обучению превращать данные в знания?
Поскольку мы все знаем и нас учили с самого начала, что знание — это самое ценное, что важнее всего, в нашем случае знание гораздо более ценно, чем данные, и гораздо более ценно, когда оно приходит.
Я буду обсуждать основные статистические концепции, которые откроют ваш разум для статистического подхода к любым данным или..
Матрица путаницы
Матрица путаницы
Существует несколько способов измерения производительности модели классификации, например. точность. Однако точность не всегда является лучшим способом измерения производительности, поскольку она склонна к выбросам. Кроме того, точность не подходит для задач, где важны как положительные, так и отрицательные результаты, например, в сфере здравоохранения.
Матрица путаницы
Матрица путаницы — это табличное представление фактического и прогнозируемого значения в..
Представляем Blayze
В Tradeshift наша команда машинного обучения помогает продуктовым группам внедрять машинное обучение в свои продукты. Таким образом, мы видим широкий спектр продуктов и приложений.
Иногда нам нужен тщательно настроенный классификатор глубокого обучения с миллионами параметров, неделями обученный на графических процессорах, на сложных и плотных входных данных. Для того времени отлично подходят такие инструменты, как Tensorflow и PyTorch.
В других случаях нам нужен простой и гибкий..