Публикации по теме 'scikit-learn'


Полное руководство по линейной регрессии в Python
В этой статье мы поймем и реализуем линейную регрессию, используя sklearn на наборе данных о ценах на жилье в Бостоне. Что такое линейная регрессия? Линейная регрессия - это контролируемый алгоритм машинного обучения. Он предсказывает линейную связь между независимой переменной (y) на основе заданных зависимых переменных (x) . Таким образом, независимая переменная (y) имеет самую низкую стоимость . Работа линейной регрессии Чтобы объяснить работу линейной..
Итак, я написал свою первую программу по машинному обучению! И теперь я хочу рассказать всем, как я это сделал:)
«Машинное обучение — это подобласть компьютерных наук, которая занимается построением алгоритмов, которые, чтобы быть полезными, полагаются на набор примеров некоторого явления. Эти примеры могут быть взяты из природы, созданы людьми вручную или сгенерированы другим алгоритмом». В этом уроке мы собираемся написать нашу первую программу машинного обучения! Все, что вам нужно сделать, это установить некоторые программы. 2. Установка программного обеспечения (только для Windows)..
Машинное «прослушивание» - новый взгляд
Добавление классов к мультиклассовой классификации музыкальных жанров КОНТЕКСТ В этом блоге рассказывается о продолжении эксперимента по классификации музыкальных жанров с помощью машинного обучения. В предыдущем эксперименте использовалось машинное обучение для классификации 6 разных жанров. В этом блоге рассматривается машинное обучение для 10 жанров. Код для 6-ти жанрового эксперимента можно найти здесь . Код для 10-ти жанрового эксперимента можно найти здесь . ПОНИМАНИЕ..
Разверните простую модель прогнозирования линейной регрессии scikit на платформе Google AI.
В этом конкретном посте мы узнаем, как развернуть простую модель прогнозирования линейной регрессии Scikit House Price на платформе Google AI. Используются следующие технологии и системы: Набор данных [Ссылка с сайта Kaggle ] Google Colab [среда ноутбука Jupyter для разработки модели] Google Cloud Shell [Для взаимодействия с компонентами платформы Google Cloud] Google Cloud AI Platform [Для развертывания разработанной прогнозной модели] Одна из полезных возможностей..
Тонкая настройка Google PaLM 2 с помощью Scikit-LLM
Последнее обновление Scikit-LLM дает возможность тонкой настройки PaLM 2 — самого продвинутого LLM от Google. Введение Недавно Google открыла доступ к PaLM 2 , своей самой продвинутой крупноязыковой модели. Как и другие модели, предварительно обученный PaLM 2 можно использовать для различных языковых задач: классификации, обобщения, ответов на вопросы и т. д. Кроме того, его можно точно настроить на пользовательских данных прямо в Google Cloud для повышенная предсказательная сила...
Показатели производительности для моделей машинного обучения (часть 10: кривая PR)
Метрики классификации доктора Элвина Анга https://www.alvinang.sg/s/Classification_Metrics_for_ML_Models_by_Dr_Alvin_Ang.ipynb Когда использовать Что? Когда использовать кривую PR? Как работает кривая PR? Типичная кривая PR выглядит так. Это просто противоположность кривой ROC/AUC. Чем дальше кривая AUC-PR от базового классификатора, тем лучше ваша модель. Если AUC-PR = 1 → это идеальный классификатор → ОТЛИЧНО. Если AUC-PR = 0,5 → его базовый..
Изучение множественной линейной регрессии (часть 3): пример рекламы
использование Scikit Learn с Python доктором Элвином Ангом Загрузка и просмотр Набор данных можно найти здесь: https://www.alvinang.sg/s/Advertising.csv https://www.alvinang.sg/s/Multiple_Regression_using_Scikit_Learn_with_Python_by_Dr_Alvin_Ang.ipynb Создайте линейную модель Y ~ Продажи X ~ ТВ и радио (реклама) Создайте модель Предсказать модель Прогнозирование модели с использованием значений X Как показано выше, существует 200..