Публикации по теме 'statistics'


Что общего у квантовых вычислений и ИИ?
и почему я не соглашусь легко выйти из моей зоны комфорта [классического алгоритмического программирования] Квантовые вычисления более естественны , чем вся современная электроника. Просто потому, что сама природа работает на основе квантовой механики на своем базовом уровне, и концептуально я думаю, что нет необходимости в очень глубоких абстракциях вокруг…
Ускорьте свое обучение: 10 лучших алгоритмов машинного обучения, которые вы не можете позволить себе пропустить
Введение Машинное обучение является неотъемлемой частью современных технологий и внесло значительные изменения в различные области. Алгоритмы машинного обучения являются строительными блоками искусственного интеллекта и необходимы для разработки интеллектуальных систем. С таким количеством доступных алгоритмов машинного обучения может быть сложно решить, какой из них использовать для конкретных приложений. В этой статье мы обсудим десять лучших алгоритмов машинного обучения, которые..
Зачем нам стандартное отклонение, если у нас уже есть дисперсия и наоборот?
Когда я узнал о дисперсии и стандартном отклонении, я не мог перестать задаваться вопросом, зачем нам вообще нужен один, когда у нас уже есть другой, ведь они полностью связаны друг с другом. Потому что знание одного эквивалентно знанию другого. Как мы знаем, Дисперсия — это среднеквадратичное отклонение от среднего. Но знаете ли вы, почему мы берем квадраты разностей, а не абсолютные разности? Комментарий ниже и я напишу об этом (ссылка) . Теперь вернемся к основному..
В чем вопрос? Лучший способ распаковать набор инструментов для обработки и анализа данных
Мы часто делим работу с данными на прогнозный и предписывающий анализ. В то время как «прогнозная» категория в основном состоит из методов машинного обучения, существует широкий спектр методов в «предписывающем» наборе инструментов и в науке о данных в целом. "В чем вопрос?" (Наука, том 347) намного лучше раскрывает набор инструментов для обработки и анализа данных. Авторы описывают шесть типов анализа: описательный, исследовательский, выводной, предсказательный, причинный и..
Понимание нейронных сетей: НС с нуля в Numpy
Архитектуры нейронных сетей неуклонно развиваются по размеру и сложности, например. PALM от Google или известные языковые модели GPT-2 и GPT-3. В этой статье я хочу сделать шаг назад, к основным понятиям нейронных сетей. Мы реализуем нейронную сеть в нескольких строках кода Python без каких-либо зависимостей, но Numpy для предсказания знаменитого набора данных Iris . Вам не нужны какие-либо базовые знания, кроме некоторых основ исчисления и матричных вычислений. . Выше вы можете..
Что такое смещение выборки?
Правильный вывод во многом зависит от того, как вы собираете данные. Во многих статистических анализах и решениях, основанных на данных, нам необходимо сделать действенный вывод, подкрепленный данными, которые уже собраны или должны быть собраны. Однако качество выводов, сделанных на основе данных, во многом зависит от качества собранных вами данных. Во время сбора данных вы обычно выбираете данные из большого набора данных. В большинстве случаев у вас нет возможности собрать данные по..
Типы данных в выборе модели машинного обучения
Алгоритмы машинного обучения предназначены для работы с различными типами данных. Выбор наиболее подходящей модели для конкретного набора данных имеет решающее значение для получения точных результатов. Машинное обучение имеет три основных типа данных: числовые, категориальные и текстовые данные. В этой статье мы обсудим, как выбирать модели машинного обучения на основе этих типов данных. Числовые данные . Числовые данные — это данные, которые могут быть представлены числом. Этот тип..