Kompyuter injineringgi fakulteti

Shartli tasodifiy maydonlar (CRF)


Ular RNN kabi ketma-ket modellashtirish uchun ishlatiladi va RNN bilan birgalikda ishlatilishi mumkin. Ular shuningdek, boshqa segmentlangan bashorat qilish vazifalarida, masalan, tasvir segmenti sifatida ishlatilishi mumkin. CRF ketma-ketlikning har bir elementini (aytaylik, jumlalarni) modellashtiradi, shunday qilib qo'shnilar bir-biridan mustaqil bo'lgan barcha yorliqlarga emas, balki ketma-ketlikdagi komponent yorlig'iga ta'sir qiladi.


Satrlarni bog'lash uchun CRF-dan foydalaning (matn, rasm, vaqt seriyasi, DNK va boshqalar).


Qaror daraxtlari va tasodifiy o'rmonlar
Mashinani o'rganish algoritmlarining eng keng tarqalganlaridan biri. Statistikada va bashorat qilingan modellar uchun ma'lumotlarni tahlil qilishda foydalaniladi. Tarkibi "barglar" va "novdalar" bilan ifodalanadi. Maqsadli funktsiyaga bog'liq bo'lgan atributlar qaror daraxtining «shoxlari» ga yoziladi, ob'ektiv funktsiyaning qiymatlari «barglar» da qayd etiladi va holatlar farqlanadigan atributlar qolgan tugunlarda qayd etiladi.


Yangi holatni tasniflash uchun daraxtdan bargga tushib, tegishli qiymatni qaytarishingiz kerak. Maqsad bir nechta kirish o'zgaruvchisi asosida maqsadli o'zgaruvchining qiymatini taxmin qiladigan modelni yaratishdir.


3) Ishni bajarish:
Seaborn
Tahlil dunyosida ma'lumotni tasavvur qilishning eng yaxshi usuli bu ma'lumotlarni vizuallashtirishdir. Ma'lumotlarni tushunish, o'rganish va tushunish oson bo'lgan grafikalar ko'rinishida vizuallashtirish mumkin. Bunday ma'lumotlar asosiy elementlarning e'tiborini jalb qilishga yordam beradi.
Ma'lumotlar bazasini Python yordamida tahlil qilish uchun biz keng qo'llaniladigan 2D chizmalar kutubxonasi Matplotlib-dan foydalanamiz. Xuddi shunday, Seaborn - bu Python-ning vizuallashtirih kutubxonasidir. U Matplotlib ustiga qurilgan.
Seaborn va Matplotlib
Xulosa qilib aytganda, agar Matplotlib "oson ishlarni osonlashtiradigan va qiyin ishlarni bajarishga harakat qilsa", Seaborn ham aniq murakkab narsalarning to'plamini soddalashtirishga harakat qilmoqda.
Seaborn Matplotlib duch keladigan ikkita asosiy muammoni hal qilishga yordam beradi; Muammolar -
• Matplotlib standart parametrlari
• Ma'lumotlar freymlari bilan ishlash
Seaborn Matplotlib-ni to'ldirgani va kengaytirgani sababli o'rganish asta-sekin amalga oshiriladi. Agar siz Matplotlib-ni bilsangiz, siz allaqachon Seabornning yarmidasiz.
Seabornning muhim xususiyatlari
Seaborn Pythonning asosiy vizual kutubxonasi Matplotlib ustiga qurilgan. U o'rnini bosuvchi emas, balki to'ldiruvchi bo'lib xizmat qilishi kerak. Biroq, Seaborn juda muhim xususiyatlarga ega. Keling, ularning ba'zilarini bu erda ko'rib chiqaylik. Funktsiyalar yordam beradi —
matplotlib grafikasini bezash uchun o'rnatilgan temalar
Bir o'lchovli va ikki o'lchovli ma'lumotlarni vizuallashtirish
Chiziqli regressiya modellarini vizuallashtirish va moslashtirish
Vaqt qatorlari statistikasini tuzish
Seaborn NumPy va Pandas ma'lumotlar tuzilmalari bilan yaxshi ishlaydi
Matplotlib grafikasini bezash uchun o'rnatilgan temalar bilan birga keladi
Ko'pgina hollarda, siz hali ham oddiy chizmalar uchun Matplotlib-dan foydalanasiz. Matplotlib haqida ma'lumot standart Seaborn grafikalarini sozlash uchun tavsiya etiladi.
Seaborn - muhitini sozlash
Keling, o'rnatishni boshlaymiz va oldinga siljish paytida qanday boshlashni tushunamiz.
Seaborn o’rnatish va ishni boshlash
Pip Installer foydalanish
Seaborn-ning so'nggi versiyasini o'rnatish uchun siz pip dan foydalanishingiz mumkin —
pip install seaborn
Anaconda-dan foydalangan holda Windows, Linux va Mac uchun
Anaconda (https://www.anaconda.com/ dan) - bu SciPy to'plami uchun bepul Python distributiv. Bundan tashqari, u Linux va Mac uchun ham mavjud.
Conda yordamida chiqarilgan versiyani o'rnatish ham mumkin —
conda install seaborn
Seaborn-ning rivojlanish versiyasini to'g'ridan-to'g'ri github-dan o'rnatish
https://github.com/mwaskom/seaborn»