Публикации по теме 'editors-pick'


Выжимание большего из LIME с помощью Python
Как создать глобальные агрегации весов LIME LIME — это популярный метод объяснения того, как работают модели машинного обучения. Он направлен на объяснение того, как делаются индивидуальные прогнозы. Пакет LIME Python упрощает получение этих местных пояснений . Однако, если мы хотим понять, как модель работает как в целом , этого недостаточно. Мы покажем вам, как обойти это для создания глобальных агрегаций весов LIME. Мы проведем вас через процесс сбора весов LIME для..
Кодировать или не кодировать? Это уже не вопрос
Наша двухнедельная подборка обязательных к прочтению сообществ для сообщества В крупных организациях группы данных используют различные наборы инструментов или платформ кодирования для выполнения своих задач. Продуктивность группы данных выше, если каждый может сотрудничать и работать, используя предпочитаемый инструмент. Представьте себе организацию, в которой некоторые группы данных выполняют свои задачи с помощью инструмента на основе визуального программирования, а другие используют..
Создание 3D-сетки из изображения с помощью Python
Объедините глубокое обучение с обработкой 3D-данных для создания сетки Создание 3D-сетки из одного 2D-изображения несколько лет назад казалось очень сложной задачей. В настоящее время, благодаря достижениям в области глубокого обучения, было разработано несколько моделей монокулярной оценки глубины, которые могут предоставить точную карту глубины из любого изображения. С помощью этой карты можно создать сетку, выполнив реконструкцию поверхности. Введение Монокулярная оценка..
Обучение на графиках с отсутствующими функциями
График машинного обучения с неполными данными Распространение функций – это простое и удивительно эффективное решение для обучения на графах с отсутствующими функциями узлов . Большинство графовых нейронных сетей обычно работают с полным набором функций, доступных для всех узлов. В реальных сценариях функции часто доступны только частично (например, в социальных сетях возраст и пол могут быть известны только для небольшого подмножества пользователей). Мы показываем, что..
Взгляд физика на машинное обучение: термодинамика машинного обучения
Сложные системы широко распространены в природе, и физики добились больших успехов, используя термодинамику для изучения этих систем. Машинное обучение может быть очень сложным, поэтому можем ли мы использовать термодинамику, чтобы понять его? Меня, физика-теоретика, ставшего специалистом по данным, часто спрашивают, насколько актуальной была моя академическая подготовка. Хотя моя способность рассчитывать взаимодействие частиц и понимать структуру нашей Вселенной действительно не..
Интерпретируемый или точный? Почему не оба?
Как резюмировал Миллер , интерпретируемость означает степень, в которой человек может понять причину решения. В сообществе машинного обучения распространено мнение, что существует компромисс между точностью и интерпретируемостью. Это означает, что более точные методы обучения предлагают меньшую интерпретируемость и наоборот. Однако в последнее время большое внимание уделяется созданию моделей, интерпретируемых по своей сути, и отказу от их аналогов из черного ящика. Фактически,..
Разворачивать швейцарский рулет
Осмысление больших данных Распаковка швейцарского рулета с помощью карт диффузии Удивительный алгоритм уменьшения размерности, о котором вы, возможно, никогда не слышали Алгоритмы уменьшения размерности играют важную роль в наборе инструментов каждого специалиста по обработке данных. Их можно использовать не только на этапе исследования для визуализации данных и получения важной информации, но и применение уменьшения размерности к набору данных может также повысить прогнозирующую..