Публикации по теме 'editors-pick'


Введение в утечку данных
Как неосторожное обращение с данными может саботировать ваши модели машинного обучения Соблюдение гигиены данных имеет первостепенное значение при выполнении задачи машинного обучения. Этой теме уделяется большое внимание, при этом большое внимание уделяется важности работы с устаревшими, неполными или неверными данными. В конце концов, пренебрежение чистотой ваших данных лишает вас шансов построить надежную модель. Однако, несмотря на широкое освещение этой темы, существует..
Граф сверточных сетей: введение в GNN
Пошаговое руководство по использованию PyTorch Geometric Графовые нейронные сети (GNN) представляют собой одну из самых захватывающих и быстро развивающихся архитектур в области глубокого обучения. Как модели глубокого обучения, предназначенные для обработки данных, структурированных в виде графов, GNN обеспечивают замечательную универсальность и мощные возможности обучения. Среди различных типов GNN наиболее распространенной и широко применяемой моделью стали Graph..
Визуальное руководство по планировщикам скорости обучения в PyTorch
Стратегии распада и отжига LR для глубокого обучения в Python Какова скорость обучения в глубоком обучении? Нейронные сети имеют множество гиперпараметров, влияющих на производительность модели. Одним из необходимых гиперпараметров является скорость обучения (LR), которая определяет, насколько меняются веса модели между этапами обучения. В простейшем случае значение LR является фиксированным значением от 0 до 1. Однако выбор правильного значения LR может оказаться сложной..
Что мы можем узнать из моделей черного ящика
Исследование данных и генерация знаний с использованием нелинейных моделей Модели черного ящика могут автоматически моделировать сложные отношения. Учет этих тенденций в данных повышает их точность по сравнению с линейными моделями. Тем не менее, точность является лишь одним из преимуществ. Мы можем проанализировать модели, чтобы узнать, как они делают эти прогнозы. Это может выявить основные отношения в нашем наборе данных. В некоторых случаях они могут быть совершенно новыми..
Нейронный машинный перевод с английского на хинди
Практические уроки Нейронный машинный перевод с английского на хинди Изучение базовой предварительной обработки NLP и архитектуры Encoder-Decoder, вездесущей во всех задачах Seq2Seq. Машинный перевод, несомненно, является одной из наиболее решаемых проблем обработки естественного языка с момента начала исследований в этой области. В этом руководстве мы рассмотрим модель NMT Encoder-Decoder, использующую LSTM. Для простоты я прибегну к обсуждению более производительных..
Снижение размерности для машинного обучения
Осмысление больших данных Снижение размерности для машинного обучения Руководство для начинающих по сокращению и выбору функций в Python Что такое высокоразмерные данные? Как это влияет на ваши модели машинного обучения? Вы когда-нибудь задумывались, почему ваша модель не соответствует вашим ожиданиям, и вы пробовали гипер-настройку параметров до крайности, без каких-либо улучшений? Понимание ваших данных и вашей модели может иметь ключевое значение. Под таким огромным и..
Вы заслуживаете лучшей кривой ROC
Извлекайте более глубокую информацию с визуализацией порога ROC Все исходники в этой статье доступны на Github ! Не стесняйтесь повторно использовать графику в любом контексте без указания авторства (права не защищены). Мотивация Кривые рабочих характеристик приемника (ROC) бесценны для понимания поведения модели. Однако в эти кривые упаковано больше информации, чем вы обычно видите. Визуализируя пороговое значение, мы можем больше узнать о нашем классификаторе. В качестве..