Публикации по теме 'numpy'


Как разделить данные тренировки и тестирования
Понятия, объясненные для новичков! Машинное обучение - новая горячая область науки о данных. Для поиска решений многих проблем можно использовать всевозможные алгоритмы машинного обучения, начиная от анализа настроений и прогнозирования цен на акции и заканчивая классификацией болезней с использованием изображений мозга. Данные, которые передаются в алгоритм, важны для формирования точности результата. В машинном обучении крайне важно иметь данные для обучения и тестирования, которые..
Создайте модель множественной линейной регрессии с использованием Python
Множественная регрессия почти аналогична простой линейной регрессии, но с более чем одной независимой функцией, что означает, что мы пытаемся предсказать значение на основе более чем одной переменной. В этой статье мы собираемся реализовать множественную линейную регрессию всего за несколько шагов: #шаг 1: Настройка рабочей среды Вы можете использовать Google Colab, Jupiter Notebook или загрузить PyCharm и python на свой локальный компьютер. Затем импортируйте необходимые..
Начало работы с машинным обучением с помощью Python - часть 1
Начало работы с машинным обучением с помощью Python - часть 1 Целевая аудитория : новички, студенты. Ключевые слова : Python3, начало работы, цикл for, цикл while, функции, словарь . Машинное обучение - одна из самых быстрорастущих проблем в современном мире. С распространением технологий ИКТ все больше и больше исследователей, аналитиков данных, специалистов по обработке данных, студентов, предприятий используют Python для анализа данных, моделирования больших данных и машинного..
Генерация случайных чисел и массивов в Matlab и Numpy
Сравнение кодов Matlab и Numpy для воспроизведения случайных чисел и массивов Как мы знаем, Numpy - известная библиотека Python для поддержки матричных вычислений в Python, а также большой набор высокоуровневых математических функций для работы с векторными, матричными и тензорными массивами [1]. Matlab - это язык программирования и вычислительная среда, поддерживающая матричные вычисления, построение графиков функций и данных, реализацию алгоритмов, создание интерфейсов и..
Как использовать NumPy
NumPy необходим для науки о данных. NumPy — мощная библиотека для научных вычислений на Python. Предоставляет инструменты для работы с массивами и матрицами числовых данных и выполнения над ними математических операций. Если вы новичок в Python, прочитайте о том, почему вам следует изучать Python: https://medium.com/@nmh.workspace/5-reasons-why-python-is-a-must-have-for -все-данные-ученые-8862698b1171 В этом руководстве мы познакомим вас с некоторыми ключевыми функциями NumPy и..
Введение в структуры данных в Pandas
Разберитесь с Series и DataFrame и их использованием. Что такое панды? Для тех из вас, кто не знаком с концепцией pandas — это библиотека Python с открытым исходным кодом, как и NumPy, которую необходимо импортировать, когда мы хотим ее использовать. Название pandas расшифровывается как «Panel-data». Это обрамляет использование библиотеки Pandas для работы с данными. В 2008 году разработчиком Уэсом МакКинни была разработана и запущена библиотека pandas. Основная цель..
Линейная регрессия и градиентный спуск с использованием только Numpy
Линейная регрессия и градиентный спуск с использованием только Numpy Узнайте, как реализовать модель линейной регрессии с нуля! Вероятно, если вы изучаете машинное обучение, вы уже знакомы с моделью линейной регрессии и алгоритмом градиентного спуска. Проблема в том, что часто они реализуются с использованием библиотек высокого уровня, таких как sklearn, поэтому реальная работа может оставаться загадкой. Давайте узнаем, как на самом деле работает написание кода с нуля! Какова цель..