В предыдущем посте мы видели различные шаги, связанные с созданием модели машинного обучения (ML). Возможно, вы заметили, что при построении модели ML мы рассматриваем несколько алгоритмов в конвейере, а затем настраиваемся…
Метка: machine
Вот еще один простой учебник о том, как начать работу с машинным обучением.
Это коллекция интерактивных экспериментов по машинному обучению. Каждый эксперимент состоит из 🏋️ записной книжки Jupiter/Colab (чтобы увидеть, как была обучена модель) и 🎨 демонстрационной страницы (чтобы увидеть модель в действии прямо в вашем браузере).
Чтобы понять ценность использования PCA для визуализации данных, в первой части этого учебного поста рассматривается базовая визуализация набора данных IRIS после применения PCA. Во второй части используется PCA для ускорения алгоритма машинного обучения (логистическая регрессия) в наборе данных MNIST.
Введение для начинающих – Веб-скребок для машинного обучения/BIG
В этом учебном пособии кратко рассказывается о машинном обучении с использованием Python(2.x) и weka. Задача состоит в том, чтобы создать простой спам-фильтр для электронных писем и изучить концепции машинного обучения.
Автор оригинала: FreeCodeCapm Team. Conor Dewey. Благодаря коду реализации, учебные видео и многое другое Тренд Машинное обучение, несомненно, на подъеме, медленно поднимаясь на территорию «Buzzword». Это в значительной степени из-за неправильного использования и простого недоразумения тем, которые приходят с термином. Возьмите быстрый взгляд на диаграмму ниже …
Автор оригинала: FreeCodeCapm Team. Дадан Bruno Schionato, Диего Доминго, Фернандо Морас, Густаво Розато, Isac Souza, Marciano Nardi, Thalles Silva – Дайманская группа Следуя нашей серии статей о облачных инфраструктурах для решения проблемы обучения машины (ML), на этот раз мы дали Google Cloud ML попробуйте. Мы также предоставим сравнение между …
Используя машинное обучение и компьютерное зрение, я создаю конвейер, который обнаруживает близлежащие транспортные средства с помощью видеорегистратора.
В этой статье представлена реализация бинарной классификации по разреженным, многомерным и большим наборам данных с использованием хэширования объектов и мини-пакетного обучения в рамках sklearn.