Tanlov tushunchasi. Tanlovni yaratish, yig'ish va oldindan ishlov berish usullari. Abdumannonov Jamshidbek

from sklearn.metrics import mean_absolute_error

from sklearn.model_selection import KFold, cross_val_score

# def get_mae(pred, target):

# return mean_absolute_error(true, pred)

def cross_validate(model, nfolds, feats, targets):

score = -1 * (cross_val_score(model, feats, targets, cv=nfolds, scoring='neg_mean_absolute_error'))

return np.mean(score)

Tanlovni yig’ish va oldini olish.

Katta hajmdagi ma'lumotlarda tegishli naqshlarni qanday ochish mumkin

Agar biz mashinalar odamlar kabi harakat qilishini va o'ylashini istasak, birinchi navbatda yurish va gapirishni qanday o'rganganimizga qarashimiz kerak.

Agar biz mashinalar odamlar kabi harakat qilishini va o'ylashini istasak, birinchi navbatda yurish va gapirishni qanday o'rganganimizga qarashimiz kerak.

Javob, albatta, ma'lumotlar. Chaqaloqlar juda ko'p ma'lumotni (ma'lumotlarni) o'zlashtirib, o'xshashlik va naqshlarni aniqlash uchun ularni tahlil qilish orqali o'rganadilar.

ML-ni yoqishi mumkin bo'lgan biznes-jarayonlarni aniqlash haqidagi oldingi maqolamda men sizning qaysi jarayonlaringiz mashinani o'rganishdan foyda olishini qanday aniqlashni ko'rsatdim.

Mashinani o'rganishni yoqishning keyingi bosqichi ma'lumotlardir - chunki ma'lumotlarsiz mashinani o'rganish bo'lmaydi.

Qanday turdagi ma'lumotlarni to'plashingiz kerak?

Qanday turdagi ma'lumotlarni to'plashingiz kerak?

Ma'lumotlarni ikki turga bo'lish mumkin: Strukturaviy va Strukturaviy bo'lmagan. Strukturaviy ma'lumotlar qidiruvga qulay ma'lumotlar bazalarida saqlanadigan aniq belgilangan ma'lumotlar turlarini nazarda tutadi, tuzilmagan ma'lumotlar esa siz to'plashingiz mumkin bo'lgan "hamma narsa" dir, ammo u qidiruvga mos kelmaydi.

Strukturaviy ma'lumotlar:

Raqamlar, sanalar, satrlar va boshqalar.

Kamroq saqlash

Tarkibi bo'lmagan ma'lumotlar:

Matnli fayllar va elektron pochta xabarlari

Media fayllar (videolar, musiqa, rasmlar) Boshqa katta fayllar

Xulosa:

Mashinani o'rganish bo'yicha mutaxassis bo'lish uchun Bizga birinchi navbatda to'rtta o'rganish yo'nalishi bo'yicha kuchli poydevor kerak: kodlash, matematika, ML nazariyasi va o'zingizning ML loyihangizni boshidan oxirigacha qurish.

Ushbu toʻrtta koʻnikmani yaxshilash uchun TensorFlow tomonidan tuzilgan oʻquv dasturlaridan boshlashimiz yoki quyidagi manbalar kutubxonamiz bilan tanishib, oʻz taʼlim yoʻlingizni tanlaymiz.

http://fayllar.org