Публикации по теме 'math'


Алгоритм градиентного спуска и стоящая за ним интуиция
Техническое описание метода градиентного спуска, дополненное графическим изображением работающего алгоритма. ВВЕДЕНИЕ НЕКОТОРЫХ КЛЮЧЕВЫХ ОПРЕДЕЛЕНИЙ Среди методов оптимизации и алгоритмов первого порядка наверняка слышали о методе, известном как градиентный спуск. Это тип оптимизации первого порядка, поскольку для него требуется производная первого порядка, а именно градиент. Путем оптимизации градиентный спуск направлен на минимизацию разницы между «фактическим» результатом и..
Математика машинного обучения: действительно ли это нужно?
Как я уже говорил в своем предыдущем посте , математика играет очень важную роль на пути к овладению машинным обучением, но что, если вы не хотите осваивать машинное обучение? Я не пурист и прекрасно понимаю, что есть люди, которые не хотят посвящать этому свою жизнь, они просто энтузиасты, которые хотят запачкать руки. Что ж, веселье и исследования - это то, что удерживает людей (которые не работают напрямую) в программировании. Так что, если вы энтузиаст или человек, занимающийся..
Сколько клеток на этой шахматной доске?
«Возможно, первым вашим побуждением будет просто посчитать. Вариант, безусловно. Если вы предпочитаете делать что-то простым (и крутым) способом, вы могли бы просто умножить длину ребер. Либо подсчитав длину, либо просто зная ее, вы получите 8 как длину обоих ребер. Большой! Умножьте 8 на 8, и вы получите 64. То же самое, очевидно, справедливо и для простого подсчета квадратов». "Идеальный! Итак, мы уже получили ответ. На этой шахматной доске 64 клетки». «Не так быстро...
Как я начал изучать машинное обучение после прочтения статьи на Medium
Заявление об ограничении ответственности : я новичок в машинном обучении, а также в ведении блогов. Если есть ошибки, неправильный стиль письма или грамматические ошибки, пожалуйста, дайте мне знать. Приветствуются любые отзывы. Мотивация: Меня всегда восхищало машинное обучение и его приложения. Впервые я услышал об этой теме в университете, когда учился в магистратуре. И первым приложением было построение известной модели «Прогноз цен на жилье» с использованием Matlab. Как..
Арифметические и математические методы в JavaScript.
Если вы не читали первую часть, нажмите здесь . Метод Math.ceil () Функция Math.ceil() всегда округляет число до следующего наибольшего целого числа. Пример 1. Выход: Пример 2. Выход: Метод Math.floor () . Функция Math.floor() возвращает наибольшее целое число, меньшее или равное заданному числу. Пример 1. Выход: Пример 2. Наш результат: Метод Math.sqrt () Функция Math.sqrt() возвращает квадратный..
Как решать линейные интегралы с помощью Python SymPy
Руководство по решению линейных интегралов с использованием Python SymPy. Это третья часть моей серии статей «Замена бумажных и карандашных расчетов Python» , в которой я пытаюсь решить типичные домашние задачи по математике с помощью пакетов Python. Сегодня я буду применять SymPy для вычисления линейного интеграла, а именно: По единичной окружности (против часовой стрелки). Обычный метод вычисления линейного интеграла состоит в параметризации кривой, по которой берется..
Раскройте силу причинно-следственной связи : руководство специалиста по данным для понимания бэкдора…
Полностью рабочий пример формулы настройки бэкдора с использованием Python и библиотеки pgmpy. Введение В теории вероятностей очень просто посмотреть на набор данных и рассчитать вероятность события, зная что-то о других переменных. Например: т. е. вероятность продажи равна вероятности перехода по ссылке при условии, что товар был найден. Однако этот подход не работает, когда в данных существуют причинно-следственные связи, и именно здесь вступает в действие..