Публикации по теме 'scikit-learn'
Развертывание моделей Sci-kit Learn в приложениях .NET Core
Используйте ONNX и среду выполнения ONNX для совместного использования единой модели для разных языков программирования и технологических стеков.
Одной из частых проблем для организаций, пытающихся внедрить модели машинного обучения в производственную среду, является несоответствие между инструментами и технологиями, используемыми специалистами по данным и разработчиками приложений. Специалисты по данным, скорее всего, будут работать на Python, используя фреймворки машинного обучения,..
Простые конформные интервалы без распределений для временных рядов
Использование Python и набора тестов для получения интервалов, не зависящих от распределения
Не менее важным, чем получение точечной оценки для приложений прогнозирования, является определение того, насколько вероятно фактическое значение будет отличаться от прогноза. Большинство прогнозов не являются точными на 100%, поэтому важно иметь хорошее представление о возможностях при реализации модели. Для моделей с лежащими в основе функциональными формами, такими как ARIMA, доверительные..
Что такое ридж-регрессия
Представьте, что у вас есть волшебная ручка, которая может рисовать на графике прямые линии. Ваша цель — нарисовать линию, которая наилучшим образом соответствует множеству точек, разбросанных по графику. Но есть одна загвоздка: вам нужно, чтобы линия не была слишком крутой или слишком шаткой.
Ридж-регрессия похожа на волшебный инструмент, который помогает вам правильно провести линию. Это добавляет особое правило к процессу рисования. Это правило предписывает волшебному перу..
10 лучших библиотек Python с примером кода
Существует бесчисленное множество библиотек Python, но вот 10 популярных вместе с примерами кода для каждой. Эти примеры демонстрируют базовое использование, а более подробную документацию и учебные пособия можно найти в Интернете.
NumPy (числовой Python)
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a + b
print(c)
Панды (обработка данных)
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
print(df)..
Основы распознавания изображений с использованием реализации Python Scikit-Learn
Как и в связи с растущей известностью машинного обучения и аналитики больших данных, одной из наиболее исследуемых областей анализа неструктурированных данных является обработка и распознавание изображений. Если мы посмотрим в Интернете, у нас есть система безопасности, которая пытается улучшить распознавание изображений, наши смартфоны улучшают захват изображений с помощью распознавания лиц и использования Google TensorFlow для всех видов классификации изображений.
Если вы следили..
Увеличение точности расчетного времени прибытия вдвое с помощью машинного обучения в производстве
Это первая публикация из нашей серии о машинном обучении
Авторы Тайво Кяспер , Антон Потапчук и Максим Мишин
Если попросить описать Sixfold одним предложением, разумным ответом будет: «Мы оцениваем время прибытия миллионов грузовых грузовых автомобилей». Расчетное время прибытия (ETA) - это основа нашей деятельности. Мы ежедневно вычисляем миллионы прогнозов ETA и делаем это без серьезных инцидентов в течение почти четырех лет.
Первоначально мы в основном полагались на..
Практическое машинное обучение — Простой линейный регресс
Возможно, одной из лучших книг по python и науке о данных является Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow Герона. На мой взгляд, эта книга особенно хороша для начинающих. Для специалистов-самоучек эта книга просто необходима. Есть несколько управляемых проектов с включенным кодом, который поможет начинающим специалистам по данным на этом пути.
Знание Scikit-Learn, Keras и TensorFlow также является обязательным для специалистов по данным, поскольку..
