Статьи и вопросы по тегу "Машинное обучение"

Перекрестная проверка (кросс-валидация) – это метод оценки модели машинного обучения, используемый для анализа эффективности алгоритма машинного обучения при составлении прогнозов на новых наборах данных, на которых он не обучался. Метод кросс-валидации заключается в разбиении известного набора данных для использования одной части для обучения алгоритма, а другой – для тестирования.

Приведены результаты применения искусственной нейронной сети прямого распространения для краткосрочного прогнозирования значений температуры воздуха. Исходными данными для исследования послужил длительный ряд регулярных измерений значений температуры воздуха на метеорологической станции Одесса. Выбор архитектуры сети обусловлен ее простотой, приемлемым временем обучения, укладывающимся в сроки краткосрочного прогноза. При исследованиях применена модель сети системы компьютерной математики MATLAB. Для достижения наилучшей оправдываемости краткосрочных прогнозов была проведена оптимизация как характеристик нейронной сети – подобраны вид алгоритма обучения, вид функции активации нейронов, количество скрытых слоев сети, так и данных, используемых для обучения – подобраны вид данных, сезонность данных, объем и структура обучающей выборки. В результате удалось достичь высоких показателей оправдываемости краткосрочных прогнозов значений температуры воздуха при прогнозировании в условиях невозмущенной атмосферы. Прогнозы на три часа и на сутки получаются практически безошибочными, а оправдываемость трехсуточного прогноза превышает 90%.

Открытый онлайн курс по машинному обучению для нужд медицинской мехатроники и робототехники, и не только. Лекции, практики, лабораторные работы (4+6+3). С применением языков MATLAB, Python, GNU-Octave для решения задач и программирования "железа". С использованием медицинских данных из открытых источников и данных от наших коллег. Курс для начинающих, у которых серьезные намерения, примерно на 100 часов упорной работы. Если вы хотя-бы сомневаетесь, что в выражении f(x)=dy(x)/dx наверное не стоит сокращать d, то можно приступать.

Хотите быстро начать использовать MATLAB для вашего следующего проекта data science?

Эти шпаргалки позволят вам найти необходимые команды для наиболее распространенных задач в вашем рабочем процессе.