Публикации по теме 'modeling'


Инструменты управления версиями моделей, которые необходимо знать для экспериментов с машинным обучением
Инструменты, упрощающие эксперименты с моделями машинного обучения Как специалист по данным, вы когда-нибудь сталкивались с проблемой определения лучшей модели после проведения большого количества экспериментов и получения удовлетворительных результатов, но, к сожалению, вы не могли точно определить, какая из моделей работала лучше всего, потому что вы забыли сохранить эту модель? параметры и версии наборов данных, и после многих безуспешных попыток определить лучшую модель вы..
Демистификация ансамблевых моделей
Ансамблевые модели дают нам отличную производительность и позволяют решать самые разные задачи. Их легче обучить, чем другим методам, они требуют меньше данных и дают лучшие результаты. В машинном обучении ансамблевые модели являются нормой. Даже если вы их не используете, ваши конкуренты используют. Кевин Лемагнен собирается представить ансамблевые модели, чтобы помочь нам распутать эти полезные модели, заглянув в черный ящик в Ensemble Methods Demystified . [Статья по теме:..
5 моделей машинного обучения, которые должен знать каждый специалист по данным
Иногда самое сложное в машинном обучении — понять, с чего начать. Машинное обучение произвело фурор за последние несколько лет, и количество вариантов использования моделей постоянно растет. Часто не существует одной «правильной» модели для проблемы, которую вы пытаетесь решить, поэтому может быть полезно ознакомиться с несколькими вариантами. С таким количеством факторов, как размер, качество и тип данных, важно быть знакомым с различными моделями, чтобы знать алгоритм, который лучше..
От точности к Колмогорову-Смирнову: понимание и расчет метрик оценки модели
Осваивайте метрики оценки модели для классификации простым и интуитивно понятным способом. Введение При построении модели машинного обучения важно оценить, насколько хорошо модель работает с данными, на которых она обучалась, и с новыми данными. Метрики оценки модели помогают нам понять, насколько хорошо работает наша модель и где она может допускать ошибки. В этой статье мы рассмотрим различные метрики оценки модели, которые обычно используются в моделях классификации...
Машинное обучение - что вам нужно знать о «Выбор и оценка модели»
Чтобы проиллюстрировать задачу выбора модели, я рассмотрю проблему изучения одномерной / простой линейной регрессии. Предположим, что обучающая выборка может быть представлена ​​в виде следующего рисунка: Мы можем рассмотреть возможность подгонки полинома к данным. Однако мы можем не знать, какая степень d даст наилучшие результаты для нашего набора данных: малая степень может не соответствовать данным. (т. е. будет иметься большая ошибка приближения ), тогда как высокая..
Snorkel: создание моделей машинного обучения без маркированных данных
Автор LP Cheung, Data Scientist С помощью множества практических инструментов построение моделей на основе помеченных данных уже стало простой задачей для специалистов по данным. Однако в реальном мире многие задачи не являются хорошо отформатированными задачами обучения с учителем: размеченные данные могут быть дорогими или даже невозможными. Альтернативный подход - использовать дешевые и некачественные данные для обеспечения контроля, что является темой данной статьи: слабый..
Создайте модель машинного обучения за 3 простых шага
Все говорят о машинном обучении и цифровой трансформации. Вы знаете, что должны внедрять его, но, как и в случае с большинством новых технологий, трудно понять, с чего начать, не имея ученой степени в области науки о данных. Фактически, статистика показывает, что нехватка специалистов по ИИ является главным препятствием для создания и развертывания прогнозных моделей. В этом посте мы хотим преодолеть этот барьер за 3 простых шага с помощью Elipsa Analytics Platform . Начало..