Свързани публикации 'deep-dives'


Сага за хипотезата за лотарийния билет
Как печелившите билети бяха открити, развенчани и преоткрити Хипотезата за лотарийния билет (LTH) е свързана с подрязването на невронната мрежа и може да бъде кратко обобщена чрез следното твърдение [1]: „плътните, произволно инициализирани мрежи с подаване напред съдържат подмрежи (печеливши билети), които – когато се обучават изолирано – достигат точност на теста, сравнима с оригиналната мрежа при подобен брой повторения.“ Макар и малко трудно за тълкуване, подобно твърдение..
Автоенкодери: от Vanilla до Variation
Тъй като GAN не са всичко, от което се нуждаете Когато чуете за компютърно генерирани изображения, вероятно си мислите за дълбоки фалшификати, „котки, които не съществуват“ или кон, превърнат в зебра. И това съвсем резонно ви навява на ум GANs . Но въпреки че тези модели са постигнали голям успех в генерирането на реалистични изображения, те идват със своите недостатъци и в никакъв случай не са всичко, което съществува. Автоматичният енкодер, по-старият братовчед на GAN, все още не..
Анализ на решенията и дървета в Python — Случаят на Оукланд А
Използване на дървета на решенията в Python за извличане на представа за решението на A да се премести в Лас Вегас Съвсем наскоро собственикът на бейзболния отбор Оукланд Атлетикс, Джон Фишер, обяви, че отборът е закупил близо 50 акра земя в Лас Вегас, Невада. [1] Това поставя бъдещето на последния останал професионален спортен отбор в Оукланд в опасност. През последните 5 години Оукланд видя Голдън Стейт Уориърс (НБА) и Лас Вегас Рейдърс (НФЛ) да заминат за по-нови, по-лъскави..
Оптимизация на хиперпараметър с Hyperopt — Въведение и внедряване
Подобряване на производителността на моделите за машинно обучение с оптимизация на хиперпараметри. Hyperopt е инструмент за оптимизиране на хиперпараметри с отворен код, който аз лично използвам, за да подобря моите проекти за машинно обучение и открих, че е доста лесен за внедряване. Оптимизацията на хиперпараметрите е процес на идентифициране на най-добрата комбинация от хиперпараметри за модел на машинно обучение, за да се удовлетвори целева функция (това обикновено се определя..
MLOps: Какво е оперативно темпо?
Бързите обрати са нещо повече от инструменти Темпото на операциите е скоростта и ефективността, с които една организация изпълнява своите операции или задачи. В MLOps това може да включва задачи като разработване на модел, внедряване на преквалификация, поддръжка и т.н. Добре управляваното оперативно темпо помага за изпълнението на проекти навреме, поддържа разходите под контрол, намалява времето за разработка и осигурява висококачествени резултати в проектите за машинно обучение...
Машинно обучение с двойно отклонение (част 2)
НАУКА ЗА ПРИЧИННО-СЛЕДСТВЕНИТЕ ДАННИ Машинно обучение с двойно отклонение (част 2) Как да премахнете пристрастието на регулацията с помощта на селекция след двойно При причинно-следствените изводи обикновено се интересуваме от ефекта на променливата на лечението върху конкретен резултат. При рандомизирани контролни изпитвания или AB тестове, обвързването на анализа с набор от други променливи — контролните променливи или ковариати — може да увеличи силата на анализа, като..
Битка за HR анализ между двата пакета
Caret срещу tidymodels — създайте многократно използвани работни процеси за машинно обучение Битка за HR анализ между двата пакета Защо tidymodels? Ако използвате модели за машинно обучение в R, вероятно използвате caret или tidymodels. Интересното е, че и двата пакета са разработени от един и същи автор, сред много други: Макс Кун. Но как се сравняват помежду си по отношение на осъществимост и ефективност? Може да се чудите кой пакет трябва да научите за предсказуемо моделиране..