Свързани публикации 'data-science'
Работа с проследяване на знания част 5 (Анализ на данни)
Подобряване на интерпретируемостта на дълбоко последователни модели за проследяване на знания с ориентирани към въпроси когнитивни представяния (arXiv)
Автор: Jiahao Chen , Zitao Liu , Shuyan Huang , Qiongqiong Liu , Weiqi Luo
Резюме: Проследяването на знания (КТ) е решаваща техника за прогнозиране на бъдещото представяне на учениците чрез наблюдение на техните исторически процеси на обучение. Благодарение на мощната способност за представяне на дълбоките невронни мрежи, беше..
Създайте табло за обяснение на LIME с най-малко редове код
Практически уроци
Създайте табло за обяснение на LIME с най-малко редове код
Сравнение на Flask, Plotly Dash и Streamlit за изграждане на табла за управление, които предоставят LIME обяснения за резултатите от класификацията
В по-ранна публикация описах как да обясня резултатите от фино зърнест класификатор на настроения с помощта на LIME ( L локален I interpretable M model- агности E чни обяснения). За да обобщим, следните шест модела бяха използвани за изготвяне на фини..
Ръководство за внедряване на алгоритъм за изкуствени невронни мрежи в машинно обучение: Стъпка по стъпка...
Изкуствените невронни мрежи (ANN) са популярна техника за машинно обучение, използвана за решаване на сложни проблеми в различни области като разпознаване на изображения и реч, обработка на естествен език и прогнозни анализи. В тази статия ще проучим процеса на използване на ANN върху онлайн набор от данни, стъпка по стъпка, включително подробни примери за код, оценка на модела и визуализация.
Стъпка 1: Импортиране на библиотеките
Първата стъпка е да импортираме необходимите..
Напредък в областта на дестилацията на знания, част 2 (изкуствен интелект)
Постепенно обучение за поле на невронно излъчване с филтрирана по несигурност дестилация на знания (arXiv)
Автор: Mengqi Guo , Chen Li , Gim Hee Lee
Резюме: Съвременното представяне на полето на неврално излъчване (NeRF) постигна голям успех в задачите за синтез на нов изглед и 3D реконструкция. Те обаче страдат от катастрофалния проблем със забравянето, когато непрекъснато се учат от поточни данни, без да преразглеждат предишните данни за обучение. Това ограничение..
Най-лесният начин да изтеглите борсови данни във вашата Python програма: yfinance
Кратко проучване на yfinance и как да го настроите.
Наскоро работя върху забавен проект за борсов тикер и се натъкнах на нещо, за което никога не съм се замислял преди: кой е най-добрият начин да изтегля текущи и исторически данни за борсовите цени в моята програма Python?
Оказва се, че за мен най-добрият вариант е yfinance — библиотека на Python, която ви дава текущи и исторически данни за борсовите цени от Yahoo Finance и много повече. Готиното е, че е напълно безплатно, не..
В крак с данните #98
5 минути за 5 часа четене
Аз съм голям привърженик на това, че данните са отражение на бизнес реалността. Наричам тази концепция близнак на бизнес данни, но има много вариации на същата тема.
Разполагаме с диаграми на връзки на обекти, логически модели на данни, концептуални модели на данни, модели на бизнес данни и много други.
Всички се стремят да създадат повече или по-малко точно опростяване на реалността.
Не мога да подчертая колко по-лесни стават нещата, ако проектирате и..
Прогнозиране на протеинови функции с помощта на машинно обучение
Част I: Как да създадете референтни показатели и основни белтъчни предиктори, като използвате методологията за състезание CAFA2
TL;DR: Отидете в раздела Резултати , за да видите ефективността на базовите предсказатели на белтъчна анотация, като използвате набора от показатели, изграден в раздела Методи .
Въведение
Това е първата от поредица статии от няколко части, фокусирани върху разработването и анализа на ефективността на методи за прогнозиране на функцията на протеините...
Нови материали
Работа с Hebbian Learning част 2 (машинно обучение)
Моделиране и контрактивност на невронно-синаптичните мрежи с Hebbian Learning (arXiv)
Автор: Вероника Ченторино , Франческо Було , Джовани Русо
Резюме: Този документ се занимава с..
Как да обедините речници в Python
Три стратегии за консолидиране на речници
Обединяването на данни - често наричано операция за обединение - е често срещана задача в програмирането. Когато става въпрос за обединяване на..
Локално разсъждение в Swift
Локално разсъждение в Swift
Swift е невероятно изразителен и мощен език за програмиране. Ще проучим някои от езиковите функции на Swift, които могат да направят вашия код по-лесен за четене...
10 умопомрачителни C# хакове
Здравейте! Като страстен разработчик на C#, аз винаги съм търсил начини да подобря уменията си за кодиране. Вълнувам се да споделя с вас някои умопомрачителни хакове и прозрения, които ми..
Electron с база данни Sqlite3
Electron е рамка за изграждане на междуплатформени настолни приложения с HTML, CSS JavaScript. Electron е написан на C++, Javascript, Objective C, Python и т.н. Днес Electron е супер готин и..
Системи за препоръчване в машинното обучение
Какво представляват двигателите за препоръки?
Това е най-мощното и полезно приложение на технологията за машинно обучение в бизнеса. Тези дни. Днес всеки голям гигант като Google, Amazon,..
Топ 5 Python IDE / текстови редактори
Какви IDE на Python трябва да гледам?
1. Pycharm
Традиционният пълноценен редактор за Python от JetBrains.
PyCharm предоставя широк набор от основни инструменти, тясно интегрирани за..