Свързани публикации 'exploratory-data-analysis'


Прогнозиране на времеви серии на стойностите на консумацията на енергия с помощта на машинно обучение
Цел на този проект е да предскаже стойностите на потреблението на енергия в град Тетуан в Мароко Тетуан е град, разположен в Северно централно Мароко, недалеч от Средиземно море (7 мили). Събрах набора от данни от https://archive.ics.uci.edu/ml/datasets/Power+consumption+of+Tetouan+city и се опитах да предскажа стойностите на консумацията на енергия на определена зона за период от време с помощта на различни алгоритми за машинно обучение . Тук използвах базирани на регресия..
Проучвателен анализ на данни (EDA): Техники и най-добри практики | Картек Маханкали
Въведение Проучвателният анализ на данни (EDA) е решаваща стъпка в процеса на анализ на данни, която ни помага да придобием прозрения, да открием модели и да разберем основната структура на нашите данни. Независимо дали сте учен по данни, анализатор или бизнес професионалист, EDA играе ключова роля при вземането на информирани решения и извличането на ценна информация от вашите набори от данни. В тази статия ще разгледаме основните техники и най-добрите практики на EDA, като я запазим..
Пълно ръководство за машинно обучение с проекти в Python | EDA към алгоритми
Въведение Полето на машинното обучение се разширява бързо и има потенциала напълно да промени начина, по който подхождаме към решаването на проблеми в различни индустрии. Въпреки това, предвид количеството достъпен материал по темата, може да е предизвикателство да знаете откъде да започнете или как да отидете, за да придобиете познания в тази област. За да разгледаме всички тези теми, включително проучвателен анализ на данни (EDA), инженерство на функции, статистическо моделиране и..
Визуализирайте, за да реализирате: Използване на EDA за ефективно машинно обучение
Изграждане на многовариантна регресия от нулата с PyTorch и визуализиране на прогноза в 3D с PCA Готови ли сте за дълбоко гмуркане във вълнуващото царство на интерпретацията на данни? 📊 Днес многовариантната регресия е в менюто. Звучи сложно? Е, докато приключим, ще се чувстваме като разходка в парка 🌳🚶‍♂️ Ще разгледаме как да обучим модел на многовариантна линейна регресия, като демистифицираме тези сложни математически уравнения и ги трансформираме в прости, разбираеми концепции...
Sweetviz: EDA в 2 реда код на Python
Преглед и внедряване на библиотеката Sweetviz Проучвателният анализ на данни ( EDA ) е подход за анализиране на данните и обобщаване на основните им характеристики, често с визуални методи. Специалистът по данни прекарва по-голямата част от времето в разбиране на данни и получаване на прозрения. EDA е важна и отнемаща време стъпка в тръбопровода за машинно обучение от край до край. EDA включва много стъпки, включително някои статистически тестове, количествени тестове, визуализация..
Ръководство за работа с липсващи стойности в Data Science
Тайните на науката за данните Ръководство за работа с липсващи стойности в Data Science Кога да използвате импутация и интерполация Липсващите стойности са ахилесовата пета за специалиста по данни. Ако не се третира правилно, целият анализ ще бъде безполезен и ще предостави подвеждащи резултати, които потенциално биха могли да навредят на заинтересованите страни в бизнеса. Типове липсващи данни: D.B Rubin ( 1976 ) класифицира проблемите с липсващи данни в три категории. В..
Wine Review PT6— EDA — ML
Въведение Приложихме NLP към сомелиерското описание за всяко вино в част 5 . Сега можем да разберем честотата на думите за вино, за грозде и във всички описания. Тук ще визуализираме честотата на думите. Набор от данни Kaggle Ще използваме winemag-data-130k-v2.csv набор от данни за машинно обучение. Програмен код Код в google colab Задача Честота на думите за вино Честота на думите за грозде Честота на думите wordcloud Модулът wordcloud ни позволява..