Путешествие студента-самоучки по науке о данных Цель . Целью этого проекта было прогнозирование цены продажи каждого дома с использованием набора данных Kaggle Цены на жилье: расширенные методы регрессии , доступного по этой ссылке . Вывод. Будучи студентом-энтузиастом науки о данных, я стремился научиться и продемонстрировать свои навыки в области исследовательской аналитики, разработки функций и моделей машинного обучения. Где я мог изучить 3 типа моделей машинного обучения..

Состязательная проверка тесно связана с проблемой дрейфа данных при подборе моделей машинного обучения, и это важно знать, чтобы бороться с проблемой переобучения Введение В современном мире, когда любая прогностическая модель построена и развернута в рабочей среде, основное предположение состоит в том, что данные, на основе которых была построена и протестирована модель, будут иметь общие характеристики с производственными данными, что может быть не всегда. В основном модель..

Бизнес-проблема: Что касается любого бизнеса, количество клиентов, приносящих доход, будет намного меньше, чем общее количество клиентов, с которыми бизнес взаимодействует. Поэтому для каждого бизнеса действительно важно понимать, анализировать и прогнозировать области получения дохода. Описание Kaggle Challenge: Посетите: Прогнозирование доходов клиентов с помощью Google Analytics Правило 80/20 подтвердилось для многих предприятий - только небольшой процент клиентов приносит..

Это конкурс Kaggle, который проводится для прогнозирования будущих продаж Walmart для каждого отдельного отдела в магазине. Https://www.kaggle.com/c/walmart-recruiting-store-sales-forecasting Модели временных рядов имеют несколько вариантов использования для прогнозирования погодных условий, движения запасов и будущих продаж. Здесь я подошел к различным методам и, наконец, выбрал случайный лес, поскольку модели временных рядов не работали хорошо. Постановка проблемы: Одна из..

Недавно мой класс Data Science Immersive участвовал в конкурсе Ames Housing Data Kaggle Competition. Было предложено взять обучающий набор данных и создать модель для прогнозирования продажных цен для тестового набора данных. При проведении исследовательского анализа данных я обнаружил большое количество нулевых значений в функции Lot Frontage. В других функциях были нули, но в целом их можно было объяснить тем, что сборщик данных оставил функцию пустой, а не заполнял ноль, и это было..

Есть ли что-то, что вы хотите попробовать, но постоянно говорите себе, что доберетесь до него позже? «Я буду готов после того, как сделаю A и B», «Только после того, как закончу C» или, может быть, даже «Я начну в следующий понедельник». Для меня это (или одна из тех вещей) было соревнованием по машинному обучению Kaggle. В этом весеннем семестре я начал знаменитый курс Машинное обучение Эндрю Нг, предлагаемый Coursera. После трех недель изнурительного изучения курса с ручкой,..