При выборе алгоритма машинного обучения для конкретного набора данных, необходимо учитывать несколько факторов:
1. Тип задачи: классификация, регрессия или кластеризация.
2. Масштаб данных: количество объектов и признаков.
3. Структура данных: присутствуют ли пропущенные значения, выбросы, корреляции между признаками.
4. Наличие признаков различных типов: бинарных, категориальных, числовых.
5. Выборка данных: случайная ли выборка, сбалансированы ли классы в задаче классификации.
6. Возможные ограничения на время обучения или размер модели.
Например: Если данные линейны, то мы используем линейную регрессию. Если данные нелинейны, то лучше использовать алгоритм bagging. Если данные должны быть проанализированы/интерпретированы для каких-то бизнес-целей, то мы можем использовать деревья решений или SVM. Если набор данных состоит из изображений, видео, аудио, то нейронные сети помогут получить точное решение.
Таким образом, не существует определенной метрики, чтобы решить, какой алгоритм следует использовать для данной ситуации или набора данных. Нам необходимо изучить данные с помощью EDA (Exploratory Data Analysis) и понять цель использования набора данных, чтобы найти наиболее подходящий алгоритм. Поэтому важно подробно изучить все алгоритмы.
https://habr.com/ru/companies/microsoft/articles/317512/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
Please open Telegram to view this post
VIEW IN TELEGRAM
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
Please open Telegram to view this post
VIEW IN TELEGRAM
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_12
🔠Вопрос_12: Чем ковариация и корреляция отличаются друг от друга?
✔️Ответ:
Ковариация измеряет степень, в которой две переменные меняются вместе, тогда как корреляция измеряет не только степень, но и направление отношения между двумя переменными.
Ковариация подразумевает, что две величины меняются в одном направлении: если одна увеличивается, то вторая тоже увеличивается, или если одна уменьшается, то другая тоже уменьшается. Ковариация не учитывает, насколько сильно/слабо эти переменные меняются.
Корреляция учитывает не только направление, но и силу отношения. +1 означает, что переменные имеют прямую связь и коррелируют. -1 означает, что переменные находятся в обратной пропорциональной связи. 0 означает, что между двумя переменными нет связи.
https://chance.nanoquant.ru/correlation.htm
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_12: Чем ковариация и корреляция отличаются друг от друга?
✔️Ответ:
Ковариация измеряет степень, в которой две переменные меняются вместе, тогда как корреляция измеряет не только степень, но и направление отношения между двумя переменными.
Ковариация подразумевает, что две величины меняются в одном направлении: если одна увеличивается, то вторая тоже увеличивается, или если одна уменьшается, то другая тоже уменьшается. Ковариация не учитывает, насколько сильно/слабо эти переменные меняются.
Корреляция учитывает не только направление, но и силу отношения. +1 означает, что переменные имеют прямую связь и коррелируют. -1 означает, что переменные находятся в обратной пропорциональной связи. 0 означает, что между двумя переменными нет связи.
https://chance.nanoquant.ru/correlation.htm
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_12
🔠Вопрос_12: Объясните что такое One-hot encoding и Label Encoding. Как они влияют на размерность заданного набора данных??
✔️Ответ:
One-hot encoding - это представление категориальных переменных в виде двоичных векторов. Label Encoding - это преобразование меток/слов в числовую форму. Использование one-hot encoding увеличивает размерность набора данных.
Label Encoding не влияет на размерность набора данных. One-hot encoding создает новую переменную для каждого уровня переменной, в то время как при Label Encoding уровни переменной кодируются как 1 и 0.
https://habr.com/ru/articles/666234/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_12: Объясните что такое One-hot encoding и Label Encoding. Как они влияют на размерность заданного набора данных??
✔️Ответ:
One-hot encoding - это представление категориальных переменных в виде двоичных векторов. Label Encoding - это преобразование меток/слов в числовую форму. Использование one-hot encoding увеличивает размерность набора данных.
Label Encoding не влияет на размерность набора данных. One-hot encoding создает новую переменную для каждого уровня переменной, в то время как при Label Encoding уровни переменной кодируются как 1 и 0.
https://habr.com/ru/articles/666234/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_13
🔠Вопрос_13: Как можно связать стандартное отклонение и дисперсию?
✔️Ответ: Стандартное отклонение относится к разбросу ваших данных от среднего значения. Дисперсия - это средняя степень, в которой каждая точка отличается от среднего значения, т.е. среднего значения всех точек данных. Мы можем связать стандартное отклонение и дисперсию, поскольку оно является квадратным корнем из дисперсии. Другими словами, если вы возьмете квадратный корень из дисперсии, то получите стандартное отклонение. А если вы возьмете квадрат стандартного отклонения, то получите дисперсию.
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_13: Как можно связать стандартное отклонение и дисперсию?
✔️Ответ: Стандартное отклонение относится к разбросу ваших данных от среднего значения. Дисперсия - это средняя степень, в которой каждая точка отличается от среднего значения, т.е. среднего значения всех точек данных. Мы можем связать стандартное отклонение и дисперсию, поскольку оно является квадратным корнем из дисперсии. Другими словами, если вы возьмете квадратный корень из дисперсии, то получите стандартное отклонение. А если вы возьмете квадрат стандартного отклонения, то получите дисперсию.
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_15
🔠Вопрос_15: Что такое временные ряды?
✔️Ответ:
Временной ряд - это последовательность числовых точек данных, расположенных в последовательном порядке. Он отслеживает движение выбранных точек данных в течение определенного периода времени и записывает точки данных через регулярные промежутки времени. Временные ряды не требуют ввода минимального или максимального времени. Аналитики часто используют временные ряды для изучения данных в соответствии с их конкретными требованиями.
https://habr.com/ru/articles/553658/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_15: Что такое временные ряды?
✔️Ответ:
Временной ряд - это последовательность числовых точек данных, расположенных в последовательном порядке. Он отслеживает движение выбранных точек данных в течение определенного периода времени и записывает точки данных через регулярные промежутки времени. Временные ряды не требуют ввода минимального или максимального времени. Аналитики часто используют временные ряды для изучения данных в соответствии с их конкретными требованиями.
https://habr.com/ru/articles/553658/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_16
🔠Вопрос_16: Что такое преобразование Бокса-Кокса?
✔️Ответ:
Преобразование Бокса-Кокса - это преобразование, которое преобразует ненормальные зависимые переменные в нормальные переменные, так как нормальность является наиболее распространенным предположением при использовании многих статистических методов. Оно имеет параметр лямбда, который при значении 0 означает, что это преобразование эквивалентно лог-трансформации. Оно используется для стабилизации дисперсии, а также для нормализации распределения.
https://habr.com/ru/articles/695556/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_16: Что такое преобразование Бокса-Кокса?
✔️Ответ:
Преобразование Бокса-Кокса - это преобразование, которое преобразует ненормальные зависимые переменные в нормальные переменные, так как нормальность является наиболее распространенным предположением при использовании многих статистических методов. Оно имеет параметр лямбда, который при значении 0 означает, что это преобразование эквивалентно лог-трансформации. Оно используется для стабилизации дисперсии, а также для нормализации распределения.
https://habr.com/ru/articles/695556/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_17
🔠Вопрос_17: В чем заключается проблема взрыва градиента при использовании метода обратного распространения?
✔️Ответ:
Когда большие градиенты ошибок накапливаются и приводят к большим изменениям весов нейронной сети во время обучения, это называется проблемой взрывающегося градиента. Значения весов могут стать настолько большими, что переполнятся и приведут к значениям NaN. Это делает модель нестабильной, и обучение модели застопоривается, как и в случае проблемы исчезающего градиента.
https://neerc.ifmo.ru/wiki/index.php?title=Проблемы_нейронных_сетей
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_17: В чем заключается проблема взрыва градиента при использовании метода обратного распространения?
✔️Ответ:
Когда большие градиенты ошибок накапливаются и приводят к большим изменениям весов нейронной сети во время обучения, это называется проблемой взрывающегося градиента. Значения весов могут стать настолько большими, что переполнятся и приведут к значениям NaN. Это делает модель нестабильной, и обучение модели застопоривается, как и в случае проблемы исчезающего градиента.
https://neerc.ifmo.ru/wiki/index.php?title=Проблемы_нейронных_сетей
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_18
🔠Вопрос_17: Объясните различия между машинами Random Forest и Gradient Boosting ?
✔️Ответ:
Случайные леса представляют значительное количество деревьев решений, объединенных с использованием средних значений или правил большинства в конце. Он создает каждое дерево независимо от других, в то время как градиентное усиление развивает одно дерево за раз. Случайные леса хорошо работают для многоклассового обнаружения объектов.
Градиентный бустинг дает лучшие результаты, чем лес, если параметры тщательно подобраны, но это не лучший вариант, если набор данных содержит много выбросов/аномалий/шума, поскольку это может привести к переподгонке модели. Gradient Boosting хорошо работает, когда есть данные, которые не сбалансированы, например, при оценке рисков в режиме реального времени.
https://habr.com/ru/companies/aligntechnology/articles/303750/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_17: Объясните различия между машинами Random Forest и Gradient Boosting ?
✔️Ответ:
Случайные леса представляют значительное количество деревьев решений, объединенных с использованием средних значений или правил большинства в конце. Он создает каждое дерево независимо от других, в то время как градиентное усиление развивает одно дерево за раз. Случайные леса хорошо работают для многоклассового обнаружения объектов.
Градиентный бустинг дает лучшие результаты, чем лес, если параметры тщательно подобраны, но это не лучший вариант, если набор данных содержит много выбросов/аномалий/шума, поскольку это может привести к переподгонке модели. Gradient Boosting хорошо работает, когда есть данные, которые не сбалансированы, например, при оценке рисков в режиме реального времени.
https://habr.com/ru/companies/aligntechnology/articles/303750/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
❓100 CEH (Certificated Ethical Hacker) - Вопрос_6
⚠️Q6: Что такое симметричное шифрование ?
✔️Ответ:
Симметричное шифрование использует один и тот же ключ для шифрования и дешифрования данных. Это означает, что отправитель и получатель должны знать один и тот же ключ, чтобы получить доступ к зашифрованным данным. От примеров симметричных алгоритмов шифрования можно назвать AES, DES, 3DES, Blowfish, Twofish.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
⚠️Q6: Что такое симметричное шифрование ?
✔️Ответ:
Симметричное шифрование использует один и тот же ключ для шифрования и дешифрования данных. Это означает, что отправитель и получатель должны знать один и тот же ключ, чтобы получить доступ к зашифрованным данным. От примеров симметричных алгоритмов шифрования можно назвать AES, DES, 3DES, Blowfish, Twofish.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
❓100 CEH (Certificated Ethical Hacker) - Вопрос_7
⚠️Q7: Что такое асимметричное шифрование ?
✔️Ответ:
Асимметричное шифрование, также известное как открытый и закрытый ключи, использует два разных ключа для шифрования и дешифрования данных. Один ключ называется публичным, который может использоваться для шифрования данных, а другой ключ называется закрытым и может использоваться только для дешифрования данных. Это означает, что при использовании асимметричной системы отправитель и получатель могут использовать разные ключи. Например, RSA и ECC - это примеры асимметричных алгоритмов шифрования.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
⚠️Q7: Что такое асимметричное шифрование ?
✔️Ответ:
Асимметричное шифрование, также известное как открытый и закрытый ключи, использует два разных ключа для шифрования и дешифрования данных. Один ключ называется публичным, который может использоваться для шифрования данных, а другой ключ называется закрытым и может использоваться только для дешифрования данных. Это означает, что при использовании асимметричной системы отправитель и получатель могут использовать разные ключи. Например, RSA и ECC - это примеры асимметричных алгоритмов шифрования.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
❓100 CEH (Certificated Ethical Hacker) - Вопрос_8
⚠️Q8: В чем разница между симметричным и асимметричным шифрованием ?
✔️Ответ:
Разница между симметричным и асимметричным шифрованием заключается в количестве используемых ключей и способе шифрования данных. Симметричное шифрование быстрее и проще в использовании, но потенциально менее безопасно из-за необходимости общей секретности ключа. Асимметричное шифрование надежнее, но медленнее и более сложно в использовании.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
⚠️Q8: В чем разница между симметричным и асимметричным шифрованием ?
✔️Ответ:
Разница между симметричным и асимметричным шифрованием заключается в количестве используемых ключей и способе шифрования данных. Симметричное шифрование быстрее и проще в использовании, но потенциально менее безопасно из-за необходимости общей секретности ключа. Асимметричное шифрование надежнее, но медленнее и более сложно в использовании.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
⚠️100 CEH (Certificated Ethical Hacker) - Вопрос_9
🔠Q9: В чем разница между IDS и IPS ?
✔️Ответ:
Одно представляет собой систему обнаружения вторжений (IDS) и обнаруживает вторжения. Другое это система предотвращения вторжений (IPS), здесь система обнаруживает вторжение и предотвращает его дальнейшее действие.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
🔠Q9: В чем разница между IDS и IPS ?
✔️Ответ:
Одно представляет собой систему обнаружения вторжений (IDS) и обнаруживает вторжения. Другое это система предотвращения вторжений (IPS), здесь система обнаруживает вторжение и предотвращает его дальнейшее действие.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_19
🔠Вопрос_19: Что такое преобразование Фурье?
✔️Ответ:
Преобразование Фурье - это математический метод, который используется для анализа сигналов в области частот. Оно позволяет перевести сигнал из временной области в частотную область. Применение преобразования Фурье позволяет разложить сложный сигнал на более простые компоненты и анализировать их в частотной области. Этот метод широко используется в обработке сигналов, в том числе в области цифровой обработки сигналов, обработки изображений, аудио- и видео-сигналов, а также в многих других областях науки и техники.
https://habr.com/ru/articles/321066/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_19: Что такое преобразование Фурье?
✔️Ответ:
Преобразование Фурье - это математический метод, который используется для анализа сигналов в области частот. Оно позволяет перевести сигнал из временной области в частотную область. Применение преобразования Фурье позволяет разложить сложный сигнал на более простые компоненты и анализировать их в частотной области. Этот метод широко используется в обработке сигналов, в том числе в области цифровой обработки сигналов, обработки изображений, аудио- и видео-сигналов, а также в многих других областях науки и техники.
https://habr.com/ru/articles/321066/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
⚠️100 CEH (Certificated Ethical Hacker) - Вопрос_11
🔠Q11: Проведите различие между HIDS и NIDS ?
✔️Ответ:
HIDS используется для обнаружения вторжений. Он отслеживает подозрительные действия системы и трафик конкретного устройства.
NIDS используется для всей сети. Он контролирует трафик всех устройств в сети.
https://habr.com/ru/articles/680028/
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
🔠Q11: Проведите различие между HIDS и NIDS ?
✔️Ответ:
HIDS используется для обнаружения вторжений. Он отслеживает подозрительные действия системы и трафик конкретного устройства.
NIDS используется для всей сети. Он контролирует трафик всех устройств в сети.
https://habr.com/ru/articles/680028/
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_20
🔠Вопрос_20: Что вы подразумеваете под понятием Associative Rule Mining (ARM)?
✔️Ответ:
Поиск ассоциативных правил - это один из методов обнаружения закономерностей в данных, таких как признаки (измерения), которые встречаются вместе, и признаки (измерения), которые коррелируют между собой. Он в основном используется в анализе рынка для определения частоты встречаемости того или иного набора элементов в сделке. Ассоциативные правила должны одновременно удовлетворять требованиям минимальной поддержки и минимальной уверенности.
https://habr.com/ru/companies/ods/articles/353502/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_20: Что вы подразумеваете под понятием Associative Rule Mining (ARM)?
✔️Ответ:
Поиск ассоциативных правил - это один из методов обнаружения закономерностей в данных, таких как признаки (измерения), которые встречаются вместе, и признаки (измерения), которые коррелируют между собой. Он в основном используется в анализе рынка для определения частоты встречаемости того или иного набора элементов в сделке. Ассоциативные правила должны одновременно удовлетворять требованиям минимальной поддержки и минимальной уверенности.
https://habr.com/ru/companies/ods/articles/353502/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
Так же напоминаю, что у нас есть чат, куда вы можете задавать все интересующие вас вопросы касательно машинного обучения и прочих заявленных тем, постараемся отвечать всем оперативно и максимально информативно.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
⚠️100 CEH (Certificated Ethical Hacker) - Вопрос_10
🔠Q10: Что такое брандмауэр (Firewall) ?
✔️Ответ:
Это система безопасности, разработанная для сети. Брандмауэр устанавливается на границах любой системы или сети, который отслеживает и контролирует сетевой трафик. Брандмауэры в основном используются для защиты системы или сети от вредоносных программ, червей и вирусов. Брандмауэры также могут предотвращать фильтрацию контента и удаленный доступ.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
🔠Q10: Что такое брандмауэр (Firewall) ?
✔️Ответ:
Это система безопасности, разработанная для сети. Брандмауэр устанавливается на границах любой системы или сети, который отслеживает и контролирует сетевой трафик. Брандмауэры в основном используются для защиты системы или сети от вредоносных программ, червей и вирусов. Брандмауэры также могут предотвращать фильтрацию контента и удаленный доступ.
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_21
🔠Вопрос_21: Объясните фразу "Проклятие размерности" ?
✔️Ответ:
Проклятие размерности относится к ситуации, когда ваши данные имеют слишком много характеристик. Эта фраза используется для выражения сложности использования грубой силы или поиска по сетке для оптимизации функции со слишком большим количеством входных данных. Она также может относиться к некоторым другим проблемам, например:
- Если у нас больше признаков, чем наблюдений, есть риск переборщить с моделью;
- Когда у нас слишком много признаков, наблюдения становится сложнее кластеризовать. Слишком большое количество измерений приводит к тому, что каждое наблюдение в наборе данных оказывается равноудаленным от всех остальных, и не удается сформировать значимые кластеры. В таких случаях на помощь приходят методы снижения размерности, такие как PCA.
https://habr.com/ru/articles/707146/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_21: Объясните фразу "Проклятие размерности" ?
✔️Ответ:
Проклятие размерности относится к ситуации, когда ваши данные имеют слишком много характеристик. Эта фраза используется для выражения сложности использования грубой силы или поиска по сетке для оптимизации функции со слишком большим количеством входных данных. Она также может относиться к некоторым другим проблемам, например:
- Если у нас больше признаков, чем наблюдений, есть риск переборщить с моделью;
- Когда у нас слишком много признаков, наблюдения становится сложнее кластеризовать. Слишком большое количество измерений приводит к тому, что каждое наблюдение в наборе данных оказывается равноудаленным от всех остальных, и не удается сформировать значимые кластеры. В таких случаях на помощь приходят методы снижения размерности, такие как PCA.
https://habr.com/ru/articles/707146/
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
⚠️100 CEH (Certificated Ethical Hacker) - Вопрос_12
🔠Q11: Что такое SSL ?
✔️Ответ:
SSL расшифровывается как Secure Sockets Layer. Это технология создания зашифрованных соединений между веб-сервером и веб-браузером. Она используется для защиты информации при онлайн-транзакциях и цифровых платежах для обеспечения конфиденциальности данных.
https://habr.com/ru/companies/1cloud/articles/326292/
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
🔠Q11: Что такое SSL ?
✔️Ответ:
SSL расшифровывается как Secure Sockets Layer. Это технология создания зашифрованных соединений между веб-сервером и веб-браузером. Она используется для защиты информации при онлайн-транзакциях и цифровых платежах для обеспечения конфиденциальности данных.
https://habr.com/ru/companies/1cloud/articles/326292/
🔥🔥🔥Отказ от ответственности: Материалы публикуем в канале несут лишь информационный характер, редакция канала не несет ответственности за ваши возможные действия и последующие за ними последствия. Мы также не призываем вас нарушать закон.
#cyber #secutity #coding #malware #vulnerabilities #coding #qa #analysis #penetration #testing #account
❓100 Вопросов по Машинному обучению (Machine Learning) - Вопрос_22
🔠Вопрос_22: Что такое анализ главных компонент ?
✔️Ответ:
Идея здесь заключается в том, чтобы уменьшить размерность набора данных путем сокращения числа переменных, которые коррелируют друг с другом. Хотя вариация должна быть сохранена в максимальной степени.
Переменные преобразуются в новый набор переменных, известных как "Главные компоненты". Эти ПК являются собственными векторами ковариационной матрицы и поэтому ортогональны.
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score
🔠Вопрос_22: Что такое анализ главных компонент ?
✔️Ответ:
Идея здесь заключается в том, чтобы уменьшить размерность набора данных путем сокращения числа переменных, которые коррелируют друг с другом. Хотя вариация должна быть сохранена в максимальной степени.
Переменные преобразуются в новый набор переменных, известных как "Главные компоненты". Эти ПК являются собственными векторами ковариационной матрицы и поэтому ортогональны.
#work #coding #testing #optimization #ml #learning #deep #data_science #model #score