Внесите улучшения и отправьте повторно Мы сделали нашу первую заявку на Kaggle в Part 3 . В заключительной части этой серии мы попытаемся улучшить наши прогнозы и повторно представить, чтобы увидеть наши результаты. Ссылка на видео версию этого урока будет внизу. Давайте начнем! Когда дело доходит до улучшения наших прогнозов, обычно мы хотим учитывать две вещи: Дальнейшая разработка функций Настройка модели Но прежде чем мы двинемся дальше, давайте взглянем на то, какова..

Одной из первых задач машинного обучения на структурированных данных является «Разработка признаков». Это включает в себя принятие решения о том, следует ли рассматривать переменную как числовую переменную или категориальную переменную, а также выбор различных преобразований данных, таких как логарифмическое преобразование, горячее кодирование, целевое кодирование и т. д. Эти решения часто не являются простыми и требуют изучения данных для уникальные подсчеты, отсутствующие значения,..

Kaggle - это известный веб-сайт сообщества специалистов по обработке данных, который участвует в соревнованиях машинного обучения . Соревновательное машинное обучение может быть отличным способом отточить свои навыки, а также продемонстрировать свои навыки. В этой статье я дам 10 полезных советов, как начать работу с Kaggle и научиться соревноваться в машинном обучении с помощью Kaggle. Давайте нырнем! Выберите среду программирования для науки о данных. Существует множество..

В наши дни все больше и больше организаций хотели бы иметь единый инструмент для работы с множеством их функций. Для простого POC-продукта управление функциями и привязка кажутся излишними, но когда дело доходит до больших, сложных и постоянно развивающихся проектов, они действительно обеспечивают высокое качество функций и эффективность выполнения в следующих проектах по науке о данных. Подводя итог, зачем нам нужен магазин функций? Стандартизация определений функций. Это должна..