Публикации по теме 'probability'


Сходство с вероятностью — Часть I: Встраивание визуального слова для посткоррекции OCR
В этом посте я более подробно рассмотрю нашу предыдущую работу , в которой используется вдохновленная людьми пересмотр правдоподобия или сходство с вероятностью [ Blok et al. 2003 ] для переранжирования или оценки любого слова или фрагмента текста на основе семантической связи с внешним контекстом. Мы будем использовать самую популярную предварительно обученную модель семантического сходства (например, w2v, GloVe, fasttext и т. д.) для вычисления этих отношений. Наш код общедоступен на..
Анализ временных рядов
День 10 "#15daysofStats" Вы готовы погрузиться в увлекательный мир анализа временных рядов? 📊📅 В этом посте я расскажу вам об основных моментах, которые вам необходимо знать для реализации анализа временных рядов в ваших проектах по науке о данных. Давайте начнем! 👩‍💻🚀 1️⃣ Понимание данных временных рядов: данные временных рядов состоят из наблюдений, собранных через равные промежутки времени. Думайте об этом как о последовательности точек данных с отметкой времени, например, о..
Вероятностный вывод: алгоритм дерева соединений и проблема грудной клетки-клиники
Эта статья является заданием курса MAP2314 (Теория информационных систем, байесовский вывод и машинное обучение), который читал профессор Ренато Висенте в Институте математики и статистики Университета Сан-Паулу в 2022 году. Все ошибки мои собственные. 1. Прибытие В этой статье мы углубимся в алгоритм Junction Tree и его роль в выводах вероятностных графических моделей. Вероятностные графические модели — это мощный инструмент для представления и рассуждений о неопределенных..
Модуль 17 —  Равномерное распределение
В этом пошаговом руководстве мы познакомим вас с основной концепцией равномерного распределения с помощью Python. Давайте окунемся! Шаг 1  — Введение в равномерное распределение Концепция равномерного распределения адаптирована для непрерывных данных. Он вращается вокруг единственного значения, которое обозначается как 1/(b-a) и имеет значение в определенном диапазоне [a, b]. Если мы выйдем за пределы этого диапазона, все значения будут равны нулю. Это распределение можно сравнить..
ЗАМЕЧАНИЯ ПО МАШИННОМУ ОБУЧЕНИЮ.
MACHINE LEARNING What is Machine Learning? Arthur Samuel described it as: the field of study that gives computers the ability to learn without being explicitly programmed. ╔═╗╦═╗╔═╗╔═╗╔═╗╔═╗╦═╗╦ ╦ ║ ╦╠╦╝║ ║╚═╗╚═╗╠═╣╠╦╝╚╦╝ ╚═╝╩╚═╚═╝╚═╝╚═╝╩ ╩╩╚═ ╩ Терминология: Обучение с учителем/обучение без учителя. ЛИНЕЙНАЯ РЕГРЕССИЯ: По данным IBM: https://www.ibm.com/topics/linear-regression Линейный регрессионный анализ используется для прогнозирования значения переменной на..
«Демистификация наивного байесовского метода: логарифмическая вероятность и сглаживание по Лапласу»
«Освоение наивного Байеса: достижения и методы» Уважаемый [Подписчик/Подписчик], Надеюсь, это сообщение вас удовлетворит. Хотел поделиться с вами интересной новостью. Недавно я опубликовал всеобъемлющий блог под названием «Демистификация наивного байесовского метода: логарифмическая вероятность и сглаживание по Лапласу». «Освоение наивного Байеса: достижения и методы» «Демистификация наивного байесовского метода: логарифмическая вероятность и..
ARIMA для классификации с мягкими этикетками
Как заставить вашу модель производить вероятности Характер задач классификации предполагает наличие известных целей. В реальных приложениях метки создаются в результате какого-то ручного труда или получаются в результате некоторых детерминированных операций. Что может случиться, так это то, что маркировка порождает неточные цели, которые влияют на обучение нашей модели машинного обучения. Чтобы уменьшить возникающие риски переобучения или чрезмерной самоуверенности, мы можем..