Свързани публикации 'statistics'
Разбиране на наивния алгоритъм на Бейс
Naive Bayes е модел за машинно обучение, използван за класификация. Техниката на Naive Bayes се основава на вероятности. Вероятността дадено събитие да се случи или да не се случи може да се изчисли с помощта на исторически данни.
Нека анализираме значението на Naive Bayes.
Нарича се Наивен, защото се основава на Наивното предположение, че всяка входна променлива е независима или просто казано, наличието на характеристика в клас не е свързано с наличието на друга характеристика в..
Мислене бързо и бавно: Визуализиране на статистическа променливост с Python
Базирана на Python обиколка с екскурзовод за декодиране на променливостта на данните
Склонни сме да опростяваме нещата бързо, но също така можем да мислим бавно и да се справяме със сложността.
В книгата си „Мислене, бързо и бавно“ Даниел Канеман обяснява нашата борба с разбирането на променливостта на данните.
Ще използваме данните за емисиите на CO2 на Python и Gapminder, за да се справим с тази сложност. Ще видим как емисиите са се променили с времето, различават се от място на..
Изследване на P-стойността в статистиката и машинното обучение
В областта на машинното обучение разбирането и използването на p-стойността е съществена част от прогнозирането на успеха или неуспеха на даден алгоритъм. Разбирането на това статистическо измерване може да ви помогне да станете по-компетентни с вашите ML модели и да интерпретирате данните, които произвеждат. В тази публикация в блога разглеждаме по-отблизо какво представлява p-стойността и обсъждаме как най-добре да я използвате във вашите ML проекти.
Каква е P-стойността?..
Статистика за Data Science
Здравейте, Това е първата статия, в която ще покрием цялата статистика и теория на вероятностите, от които се нуждаем, за да научим науката за данните. В тази поредица от статии ще започнем оттук и постепенно ще преминем към анализ на данни, използвайки статистиката, която научаваме. След това ще изградим, ще използваме алгоритми за машинно обучение, за да решаваме реални проблеми с науката за данни. Разбира се, ако искате да започнете с науката за данните, познаването на програмирането..
Как да анализирате вашия модел на времеви редове с помощта на остатъци
Научете как можете да използвате остатъците от модел за прогнозиране, за да подобрите неговата ефективност
Заден план
Възможността да анализирате вашия модел на времеви серии е от съществено значение за диагностициране на неговата ефективност. Един такъв начин да направите това е чрез остатъците от монтирания модел. В тази публикация ще разгледаме какво представляват остатъците и как могат да се използват за подобряване на вашия модел заедно с пример в Python.
Какво представляват..
Значението на вземането на проби в машинното обучение
Защо е важно да изберете внимателно техника за вземане на проби в машинното обучение?
Извадката е съществена част от процеса на машинно обучение. В тази статия ще проучим значението на вземането на проби в машинното обучение и как то може да повлияе на точността и ефективността на модел на машинно обучение.
Алгоритмите за машинно обучение разчитат на данни, за да учат и правят прогнози. В повечето случаи количеството налични данни за обучение на модел за машинно обучение е огромно и е..
Записвам пътуването си към стажа за количествени изследователи
Започвам пътуването си да навляза в математическо техническата област на количествените финанси, която включва функциониращо разбиране на напреднала математика, статистика и програмиране. Вярвам, че подготовката за тази област също ще ви подготви за други роли, които включват Data Scientist, ML Scientist, ML Engineer и т.н. Също така мисля, че следенето на наученото, което правя през този период, ще бъде полезно за други и Аз и също така ще помогна за разпознаването на структура в този..
