Публикации по теме 'visualization'
Стоит ли создавать свое следующее приложение в Streamlit?
Streamlit — относительно недавняя библиотека на Python, позволяющая быстро создавать веб-приложения без использования Javascript, CSS или HTML. В этой статье я расскажу о плюсах и минусах Streamlit и о том, когда, по моему мнению, вам следует и не следует его использовать.
Плюсы
В Streamlit действительно легко начать создавать прототипы . Вы можете приступить к работе, написав всего несколько строк кода. Для…
Визуализация анализа главных компонентов с помощью матричных преобразований
Руководство по пониманию собственных значений, собственных векторов и главных компонентов
Анализ главных компонентов (PCA) - это метод разложения данных на некоррелированные компоненты путем определения собственных значений и собственных векторов. Следующее предназначено, чтобы помочь визуализировать, что представляют собой эти разные значения и как они рассчитываются. Сначала я покажу, как можно использовать матрицы для преобразования данных, а затем как эти матрицы используются в PCA...
Требуется: интуитивное понимание ваших моделей
Не ориентируйтесь только на свои показатели. Создайте базовое и интуитивное представление о том, как и почему работает ваша модель.
На одном из моих первых занятий по глубокому обучению в аспирантуре мы должны были выбрать наш окончательный проект. Задача заключалась в том, чтобы найти проблему глубокого обучения и построить успешную модель. Хотя этот проект был много лет назад, он также преподал мне один из самых важных уроков в Data Science.
Возможность: обнаружение каски..
Найдите выбросы, используя два простых метода.
Выбросы могут негативно повлиять на производительность модели и привести к неправильному суждению во время анализа данных. Вот два простых способа уменьшить выбросы.
Что такое выброс?
Выброс — это точка данных, которая не соответствует общему шаблону своего окружения. Взглянем:
Вот два разных способа уменьшить выбросы:
Использование Z-оценки. Используя межквартильный диапазон (IQR).
Использование Z-показателя:
Теперь, чтобы использовать этот метод, мы..
Постройте и настройте несколько матриц путаницы с помощью matplotlib
Матрица путаницы — ценный инструмент, используемый в машинном обучении и статистике для оценки производительности алгоритмов классификации. Он визуально представляет фактические и прогнозируемые результаты модели классификации, помогая определить точность модели, воспроизводимость и оценку F1.
Важность матрицы путаницы заключается в ее способности обобщать работу классификатора, показывая распределение правильных и неправильных прогнозов. Эту информацию можно использовать для определения..
4 привычки, основанные на данных, которые изменили мою жизнь
Хотите верьте, хотите нет, но привычки являются важной частью нашей жизни и даже наших характеристик… Существует так много книг, исследований и статей о привычках и их влиянии на нас. Аристотель, древний философ, например, однажды сказал: «Мы есть то, что мы постоянно делаем. Таким образом, совершенство — это не действие, а привычка».
На мой взгляд, в отличие от того, что мы видим в мотивационных речах и голливудских фильмах, наш успех зависит от двух не обязательно интересных вещей:..
Начало работы с Zoomdata SDK в Node.js
Мы собираемся написать простое приложение Node.js, которое подключается к серверу Zoomdata и извлекает данные из предварительно настроенного источника.
Если вы новичок в Zoomdata SDK, вы можете получить обзор на портале документации . Если вам нужно больше информации, есть отличный пост от Дмитрия Гладкого :
Получение исходных метаданных с помощью Zoomdata SDK 2.6 - Дмитрий Гладкий - Средний Как метаданные помогают создавать действительные запросы для..