Публикации по теме 'machine-learning'
Векторизация для повышения производительности: экранирование циклов в Python
Если вы используете Python для анализа данных и извлечения функций, очень важно понимать негативное влияние зацикливания на производительность. Вот почему так важно найти альтернативные методы и отказаться от циклов.
При работе с Python мы часто используем циклы, не осознавая их негативного влияния на производительность. Это особенно проблематично в задачах анализа данных и машинного обучения, где производительность имеет решающее значение. Неоптимизированные циклы могут значительно..
Классификационная модель Tensorflow 2.4 с машинным обучением Azure
Сценарий использования
Проверьте версию tensorflow 2.4 и запустите образец кода для проверки. Создать модель бинарной классификации Классификация глубокого обучения на обычном табличном наборе данных
Требования
Учетная запись Azure Учетная запись машинного обучения Azure Создать вычислительный экземпляр набор данных minst
Код
import tensorflow as tf;
print(tf.__version__)
import tensorflow as tf
from tensorflow.keras.layers import Dense, Flatten, Conv2D
from..
Начало работы с линейной регрессией Продолжение…
Начало работы с линейной регрессией Продолжение…
Обычный метод наименьших квадратов (OLS)
Итак, первая таблица в регрессии в statsmodels — это сводная таблица модели или таблица OLS. Так что же такое OLS? ну, это самый распространенный метод определения уравнения регрессии. вы помните точечную диаграмму в последняя статья этой серии, только представьте, сколько линий может пройти через нее, но будет только одна линия, которая будет наименее удалена от всех точек на диаграмме..
Наши колонки
Колонки на TDS - это тщательно подобранные коллекции сообщений по определенной идее или категории статей.
Мы организовали эти статьи, чтобы помочь людям, которым может быть интересна конкретная тема. Например, вы можете получить информацию о том, как устроиться на работу в сфере машинного обучения или науки о данных. Вы можете найти наши лучшие статьи по этой теме в колонке Часы работы .
Читая статьи в столбце, имейте в виду, что вы можете вернуться в столбец в любое время, нажав..
Понимание динамической деформации времени (информатика)
Динамическое искажение времени в сильно субквадратичном времени: алгоритмы для режима малых расстояний и приближенная оценка ( arXiv )
Автор: Уильям Кусмаул
Аннотация . Динамическое расстояние искривления времени (DTW) — это широко используемый показатель расстояния между временными рядами. Наиболее известные алгоритмы вычисления DTW работают почти за квадратичное время, а условные нижние границы запрещают существование значительно более быстрых алгоритмов. Однако нижние..
Эффективное трансферное обучение: доводка или доводка?
Часто тонкая настройка глубокой нейронной сети — это больше искусство, чем наука/инженерия. Какая скорость обучения наиболее оптимальна? Сколько слоев заморозим? Должны ли мы использовать разные скорости обучения в зависимости от слоя? В большинстве случаев многие из этих вопросов решаются методом проб и ошибок (и частично с помощью AutoML). Не будет ли лучше взять предварительно обученные веса по мере их поступления, использовать архитектуру в качестве экстрактора признаков и..
День 22 #DataScience28: Технологии больших данных для науки о данных
В сегодняшнюю цифровую эпоху объем генерируемых данных растет беспрецедентными темпами. Согласно отчету Statista, ожидается, что к 2025 году общий объем данных, созданных, захваченных и реплицированных по всему миру, достигнет 181 зеттабайта. Этот ошеломляющий объем данных вызвал потребность в передовых технологиях для хранения, обработки и анализа больших объемов данных. объемы данных. Здесь на помощь приходят технологии больших данных. В этой статье мы обсудим наиболее важные..
