В этом блоге мы проведем тематическое исследование о землетрясении LANL, которое представляет собой конкурс, проводимый на Kaggle.com . В этом примере мы предскажем время следующего землетрясения. Набор данных: Набор данных был создан в лаборатории, где с помощью экспериментов они создали землетрясение и записали его. Вот — видео эксперимента. Набор данных можно найти здесь . Этот набор данных содержит 8,9 ГБ обучающего CSV-файла и тестовую папку с 2624 файлами, каждый из..

Использование функций для определения небезопасных и опасных дорог и, таким образом, предотвращения дорожно-транспортных происшествий и травм. Эта статья изначально была опубликована в блоге Омдены . Среди других статей, описывающих интересные методы моделирования для присвоения дорогам «оценки безопасности» и определения самых безопасных дорог. Таким образом уменьшите количество дорожно-транспортных происшествий и спасите жизни. Прочтите о других методологиях, используемых в..

В большинстве случаев хранилище функций является излишним Похоже, что каждая опытная команда машинного обучения создала хранилище функций для своей платформы машинного обучения. Uber построил Палитру . Airbnb построила Зиплайн . Netflix построил Путешествие во времени . Google Cloud работал с нашим клиентом GoJek над созданием Feast . К счастью, вам больше не нужно создавать или управлять своими собственными. Google Cloud Vertex AI предлагает полностью управляемый магазин..

«Мусор в мусоре на выходе» — это первое, что я выучил, будучи студентом-информатиком. Только в этом контексте легко понять, зачем нам нужна разработка признаков. Проще говоря, чтобы создать отличную модель машинного обучения, нам нужно предоставить ей набор данных, который имеет смысл. В этом блоге я пытаюсь объяснить потребности разработки функций, особенно для числовых функций. Предположения. Большинство моделей основано на предположениях. Например: линейная регрессия основана на..

Понимание основ фазы БПФ В предыдущем посте визуализация касалась исключительно величины преобразования Фурье. Здесь мы расширим недостающую часть: фаза! Ознакомьтесь с предыдущими статьями цикла! Преобразование Фурье (1) Введение в частотную область peterbbryan.medium.com В предыдущем посте я показал, как можно использовать величину преобразования Фурье для оценки частотных составляющих сигнала. Однако, имея только частоту, мы не..

Ранее в разделе "Как разрабатывать": Если вы хотите максимизировать производительность разработки и кодирования, пожалуйста, прочитайте Как спроектировать торгового бота с машинным обучением — Часть 2: Анализ данных перед тем, как продолжить. Далее посмотрим на развитие. Анализ данных является ключевым компонентом машинного обучения. В сочетании с числовыми данными финансового рынка это становится еще более значимым. Статьи в этой серии разработаны как учебный материал. В..