Статьи по теме machine-learning

Публикации по теме 'machine-learning'

Как далеко мы продвинулись с оценкой плотности ядра, часть 2 (машинное обучение)

Субквадратичные алгоритмы для матриц ядра с помощью оценки плотности ядра (arXiv) Автор: Айнеш Бакши , Петр Индик , Пранит Качам , Сандип Силвал , Самсон Чжоу . Аннотация: Матрицы ядра, а также представляемые ими взвешенные графы являются повсеместными объектами в машинном обучении, статистике и других смежных областях. Основным недостатком использования методов ядра (обучения и вывода с использованием матриц ядра) является эффективность — при наличии n входных точек..

Кредитный скоринг — Применяется к логистической регрессии в R

Выявление факторов, влияющих на риск дефолта Финансовые учреждения вкладывают большие средства в построение моделей анализа кредитного риска для определения вероятности дефолта потенциального заемщика. Модели предоставляют информацию об уровне кредитного риска заемщика в данный момент времени. И одним из наиболее широко используемых статистических методов для построения модели анализа кредитного риска является логистическая регрессия , в которой зависимая переменная используется как..

SliteView — Взаимные рекомендации в онлайн-знакомствах

Уроки, извлеченные из тематического исследования Пиццато SliteView или Краткий обзор литературы — это часть моих списков, содержащая мои личные заметки (обзоры литературы) по статьям. Эта история содержит мои заметки об одной из статей Пиццато: Рекомендация людей людям: природа взаимных рекомендаций на примере онлайн-знакомств Примечания: В документе обсуждается использование взаимных рекомендаций в онлайн-знакомствах. Взаимные рекомендации – это системы..

Демистификация глубокого обучения на Android

Недавно я читал на Reddit сообщение «Как разработать приложение для Android с использованием глубокого обучения». Честно говоря, пост действительно не имел для меня смысла, так как он слишком расплывчатый. Но что было интересно увидеть, так это то, что пост был в тренде, и многие люди хотели понять, как можно разработать классное приложение для Android с нейронными сетями, и это стало моей мотивацией написать этот пост. Итак, в этом посте я пошагово расскажу, как запустить нейронную..

Как смоделировать множественную сезонность во временном ряду

Обработка сезонных эффектов за несколько периодов В этой статье вы узнаете, как моделировать множественную сезонность во временных рядах. Мы рассмотрим: Как разложить временной ряд с помощью MSTL Создание независимых переменных, отражающих сложную сезонность Использование готовых методов на примере пакета прогнозирования orbit . Сложная сезонность Сезонность относится к систематическим изменениям, которые повторяются с определенной периодичностью . Эти закономерности..

Значение и развертывание пограничного машинного обучения для бизнеса

Искусственный интеллект (ИИ) и машинное обучение (МО) продолжают разрушать устаревшие бизнес-процессы благодаря расширенным возможностям интеграции. Стремясь соответствовать требованиям к мощности процессоров предприятия, поставщики услуг по разработке машинного обучения расширяют поддержку аппаратных устройств. Пограничное машинное обучение становится эффективной заменой облачным инфраструктурам для создания и развертывания корпоративных моделей машинного обучения. От распознавания..

Введение в обучение с подкреплением: процесс принятия решений по Маркову

#InsideRL Обучение с подкреплением: процесс принятия решений по Маркову (часть 1) В типичной задаче обучения с подкреплением (RL) есть учащийся и лицо, принимающее решения, называемое агентом , а окружение, с которым он взаимодействует, называется средой . В свою очередь, среда предоставляет вознаграждения и новое состояние на основе действий агента. Итак, в обучении с подкреплением мы не учим агента, как он должен что-то делать, а даем ему положительные или отрицательные..