Публикации по теме 'basics-machine-learning'
Основы нейронных сетей
Нейронные сети, в последнее время называемые глубоким обучением , представляют собой набор алгоритмов, способных выполнять интенсивные вычисления, которые до недавнего времени (начало 2000-х годов) было трудновыполнимо. В настоящее время нейронные сети позволяют нам решать многие проблемы в таких областях, как:
распознавание изображений (например, лица или общие изображения) распознавание речи (т. е. транскрипция, распознавание голоса, распознавание настроения в голосе) обработка..
Как и почему машинное обучение
Автор: Софья Пенева
Машинное обучение (ML) и искусственный интеллект (AI) — два термина, которые из-за своего футуристического подтекста снискали себе огромную популярность. Оба они обладают привлекательным качеством, заставляя людей, которые их используют, звучать умно, и поэтому широко используются, несмотря на то, что они малопонятны. Чего я надеюсь достичь с помощью этой статьи, так это пролить свет на ML, одновременно пытаясь избежать использования греческих букв в меру своих..
Сравнение математических алгоритмов контролируемого машинного обучения и вариантов использования
Машинное обучение – это область исследования, которая позволяет компьютерам обучаться без явного программирования.
Обучение с учителем. Обучение с учителем — это когда модель обучается на помеченном наборе данных (с учетом зависимой функции). Угадай, что такое зависимая функция???… Проще говоря, это функция, которую мы хотим предсказать. Все остальные классифицируются как независимые признаки.
Пример контролируемых алгоритмов обучения:
K-ближайший сосед Наивный Байес..
Важность векторизации в машинном обучении
Векторизация — это, по сути, искусство избавления от явных циклов for в вашем коде. В эпоху глубокого обучения вы часто тренируетесь на относительно больших наборах данных, потому что именно тогда алгоритмы глубокого обучения, как правило, сияют. И поэтому важно, чтобы ваш код выполнялся очень быстро, потому что в противном случае, если он работает с большим набором данных, ваш код может выполняться долго, и тогда вы просто очень долго будете ждать результата. Так что в эпоху глубокого..
Автостопом по анализу настроений с использованием наивно-байесовского классификатора
Классификация лежит в основе машинного обучения и человеческого интеллекта. Распознавание голосов, лиц или изображений, которые мы видим ежедневно, - все это подпадает под классификацию. Теперь, переходя к Наивному Байесу, для всех, кто только начинает заниматься обработкой естественного языка, это первый шаг к достижению этой цели; поэтому чрезвычайно важно понимать, как это реализовать и что происходит под капотом. . В этой статье мы узнаем, как реализовать наивно-байесовский..
Линейная регрессия - машинное обучение
Один из наиболее широко используемых алгоритмов машинного обучения
По сути, линейная регрессия говорит нам о взаимосвязи между двумя или более заданными переменными. Он показывает, как одна или несколько переменных (независимых переменных) влияют на нашу целевую переменную (зависимая переменная).
Линейная регрессия в основном используется для прогнозного анализа и моделирования. Он также известен как множественная регрессия, многомерная регрессия, обычный метод наименьших квадратов...
Машинное обучение, давайте учиться
Вам трудно решить, что вы хотите смотреть, но затем Netflix помогает вам своими предложениями?
Получаете ли вы персонализированную рекламу, когда вас интересует определенный продукт?
Все это делается с помощью машинного обучения.
Что такое машинное обучение?
Машинное обучение или ML — это метод, который учит машину выполнять какую-либо задачу. Для выполнения этой задачи машинное обучение использует данные и алгоритмы .
Давайте рассмотрим простую задачу, когда..
