از طریق منوی جستجو مطلب مورد نظر خود در وبلاگ را به سرعت پیدا کنید
ورود به سایت
ورود به سایت
Recover your password.
A password will be e-mailed to you.
مطالب درج شده در دستهبندی
Python
طبقه بندی تصاویر با مدل از پیش آموزش دیده با استفاده از Keras
مدلهای Computer Vision راه درازی را پیمودهاند - و شما میتوانید از مدلهای موجود، از قبل آموزش دیده، استفاده کنید روی مجموعه بزرگی از داده ها، و فقط آنها را به خط لوله پیش بینی خود وصل کنید.
در حالی که تنظیم دقیق یک شبکه بهترین راه است - وارد کردن یک مدل موجود و اجرای پیشبینیها از همان ابتدا یک مورد استفاده معتبر در مراحل اولیه نمونهسازی…
ادامه مطلب ...
روش ذخیره و بارگذاری مدل های XGBoost
مدل ها اغلب برای به کارگیری در تولید و ارائه پیش بینی های معنادار برای ورودی های جدید آموزش داده نمی شوند. برای…
روش K-Means Elbow و آنالیز سیلوئت با Yellowbrick و Scikit Learn
معرفی
K-Means یکی از محبوب ترین الگوریتم های خوشه بندی است. با داشتن نقاط مرکزی در یک خوشه، نقاط دیگر را بر…
محاسبه همبستگی ویژگی ها/ستون های DataFrame با پانداها
بررسی همبستگی و کمی کردن همبستگی یکی از مراحل کلیدی در طول تجزیه و تحلیل داده های اکتشافی و تشکیل فرضیه است.…
تغییر نام نام(های) ستون در Pandas DataFrame
هنگام کار با مجموعه داده ها از منابع خارجی - نام ستون ها می تواند وحشی شود. قراردادهای نامگذاری مختلف، موارد…
نقل قول ها را از تمام ردیف ها در ستون DataFrame حذف کنید
وقتی ستونهای رشتهای دارای نقل قول هستند - ما اغلب میخواهیم از شر آنها خلاص شویم، تا حد زیادی به این دلیل که…
مجموعه داده Scikit-Learn را به عنوان Pandas DataFrame بارگیری کنید
Scikit-Learn چندین مجموعه داده را برای بازی با آنها ارائه می دهد - بیشتر آنها مجموعه داده های اسباب بازی برای…
سرصفحه ستون های Pandas DataFrame را به صورت فهرست دریافت کنید
پانداها DataFrame ستونها به مقادیر ردیفها/مدخلهایی که با آنها کار میکنیم، متن میدهند. گاهی اوقات، هنگام…
راهنمای قطعی برای K-Means Clustering با Scikit-Learn
معرفی
K-به معنی خوشه بندی است یکی از پرکاربردترین الگوریتمهای یادگیری ماشینی بدون نظارت است که خوشههایی از…
K-Means Clustering با روش Elbow
خوشه بندی K-means یک الگوریتم یادگیری بدون نظارت است که داده ها را بر اساس گروه بندی می کند روی هر نقطه فاصله…