Меня зовут Клим, и сегодня я буду вашим проводником в PySpark MLlib. В этом посте я расскажу о простом для понимания, но в то же время достаточно эффективным алгоритме — дерево решений, а также его расширенной модификацией случайные леса решений.

Всем привет! В данном материале рассматривается расчет CATE посредством «причинных» случайных лесов с помощью библиотеки EconML, а также визуализация результатов посредством библиотеки SHAP в Python.

Часто, во многих сферах деятельности, возникает необходимость определения местоположения объектов на изображении. Например, необходимо найти дефект при сборке деталей, провести первичную обработку медицинского снимка или составить карту местности по снимкам со спутника. Данная задача решается с помощью сегментации. Сегментация — это нахождение областей изображения, однородных по какому-либо критерию, например, по яркости или по границам объектов, находящихся на картинке.
Сейчас мы решим похожую задачу. В предложенном кейсе будут проанализированы спутниковые снимки на предмет определения на них географических объектов.

В статье рассмотрим применение библиотеки MMDetection для распознавания объектов на изображениях.