Проверка нормальности распределения

Подход Эппса и Палли, основанный на эмпирической характеристической функции, является одним из самых мощных инструментов для обнаружения любых отклонений от нормальности. Делимся статьей, где автор демонстрирует проверку нормальности распределения с помощью данного критерия.

👉Читать статью

#статьи

Ближайшие соседи/скользящая средняя

Алгоритм ближайших соседей предполагает сходство между новым случаем/данными и доступными случаями и помещает новый случай в категорию, которая наиболее похожа на доступные категории. Скользящее среднее — это метод, позволяющий получить общее представление о тенденциях в наборе данных; это среднее значение любого подмножества чисел. Скользящее среднее чрезвычайно полезно для прогнозирования долгосрочных тенденций. В данной статье проводится сравнение методов.

👉Читать статью

#статьи

Алгоритм Кнута-Морриса-Пратта

Алгоритм Кнута-Морриса-Пратта (или KMP) — это алгоритм поиска строки, полезный для очень эффективного поиска вхождений шаблона в строку. Делимся видео, где автор объясняет этот алгоритм и демонстрирует реализацию с помощью Python.

👀Смотреть видео

#видео

Проверка автокорреляция с помощью критерия Дарбина-Уотсона

Статистика Durbin Watson (DW) — это тест на автокорреляцию остатков статистической модели или регрессионного анализа. Статистика Дарбина-Ватсона всегда будет иметь значение в диапазоне от 0 до 4. Значение 2,0 означает, что в выборке не обнаружено автокорреляции. Значения от 0 до менее 2 указывают на положительную автокорреляцию, а значения от 2 до 4 — на отрицательную автокорреляцию. Делимся статьей, где автор демонстрирует проверку автокорреляции с помощью критерия DW.

👉Читать статью

#статьи

SciPy: Bellman Ford

Метод bellman ford() также может найти кратчайший путь между всеми парами элементов. Однако этот метод также может обрабатывать отрицательные веса. В данном примере находится кратчайший путь от элемента 1 до элемента 2 с заданным графом с отрицательным весом.

#практика

Преобразование Бокса-Кокса

Преобразование Бокса-Кокса — это преобразование ненормальных зависимых переменных в нормальную форму. Нормальность является важным допущением для многих статистических методов. Данная статья поможет разобраться с этим преобразованием.

👉Читать статью

#статьи

Batch Normalization

Batch Normalization — это алгоритмический метод, который делает обучение глубоких нейронных сетей более быстрым и стабильным. Он состоит из нормализации векторов активации с использованием первого и второго статистических моментов (среднего значения и дисперсии) текущей партии. Этот шаг нормализации применяется непосредственно перед (или сразу после) нелинейной функцией. Данное видео поможет разобраться с Batch Normalization.

👀Смотреть видео

#видео #нейронные_сети

Импутация данных

Импутация — это метод, используемый для замены отсутствующих данных некоторым замещающим значением, чтобы сохранить большую часть данных/информации набора данных. Это необходимо, потому что удаление данных может привести к значительному уменьшению размера набора данных. Данная статья познакомит тебя с импутацией.

👉Читать статью

#статьи

Сортировка слиянием

Во время сортировки слиянием массив многократно делится на две половины до тех пор, пока его нельзя будет разделить дальше. Затем объединяются отсортированные массивы в массивы большего размера, пока весь массив не будет объединен. Данное видео поможет разобраться с сортировкой слиянием.

👀Смотреть видео

#видео

Модель Брэдли-Терри

Модель Брэдли-Терри — это вероятностная модель, которая может предсказать результат парного сравнения. В данной статье автор демонстрирует работу этой модели. В качестве примера рассмотрено множество игроков.

👉Читать статью

#статьи

Алгоритм Прима

Алгоритмы минимального связующего дерева (MST) находят кратчайший путь, соединяющий все точки графа. Эти алгоритмы полезны при проектировании сетей, таксономии или кластерном анализе. Алгоритм Прима начинается с одного исходного узла, а затем исследует все соседние узлы исходного узла со всеми соединительными ребрами. Данное видео поможет разобраться с алгоритмом.

👀Смотреть видео

#видео

Расстояние Левенштейна

Расстояние Левенштейна — это число, которое обозначает, насколько различны две строки. Чем выше число, тем больше отличаются две строки. Например, расстояние Левенштейна между словами «дрова» и «трава» равно 2, так как для замены первого слова на другое требуется как минимум 2 редактирования. Под “редактированием” подразумевается либо вставка символа, либо удаление символа, либо замена символа. Данная статья поможет разобраться с расстоянием Левенштейна.

👉Читать статью

#статьи

Логистическая регрессия

Логистическая регрессия — это алгоритм классификации машинного обучения, который используется для прогнозирования вероятности категориально зависимой переменной. В логистической регрессии зависимая переменная — это двоичная переменная, которая содержит данные, закодированные как 1 (да, успех) или 0 (нет, неудача). Делимся статьей, где автор рассказывает про логистическую регрессию.

👉Читать статью

#статьи