立即登录 免费注册
查看全部

机器学习模型的生命周期

本文深入探讨了机器学习模型的生命周期，包括模型诞生、使用前景、维护阶段和迁移学习阶段，以及模型可能面临的“死亡”。文章强调了模型随着数据、环境和目标的变化而发生的变化，并提出了对模型何时不再有效的问题。同时，还探讨了模型维护和性能监测的重要性。 ...
机器学习模型 生命周期 模型变化 模型维护 迁移学习
赞 · 阅读 329 ·数据科学工厂 · 2024-06-24 机器学习

实践|随机森林中缺失值的处理方法

了解缺失值处理方法，探索随机森林在数据预测中的应用以及MIA方法的实践。深入了解如何使用随机森林处理缺失值，提高数据预测的准确性。
随机森林 数据预测 MIA方法
赞 · 阅读 279 ·数据科学工厂 · 2024-06-23 机器学习

机器学习中的嵌入：释放表征的威力

探讨了机器学习中嵌入的概念，意义及在各个领域的应用。了解嵌入在自然语言处理（NLP）、计算机视觉、推荐系统和网络分析等领域中的重要性。介绍了Gensim和TensorFlow等Python库和框架在机器学习中嵌入的应用示例。
嵌入技术 嵌入应用 嵌入学习
赞 · 阅读 239 ·数据科学工厂 · 2024-06-20 机器学习

降纬技术一览

本文章比较和对比了主成分分析、线性判别分析、t-SNE、UMAP、自动编码器、Isomap和LLE等降维技术，并提供了完整的Python代码在Iris数据集上应用这些技术。了解不同降维方法的特点和适用情况，有助于选择合适的技术应用于具体的数据分析任务中。 ...
降维技术 主成分分析 线性判别分析 t-SNE UMAP
赞 · 阅读 266 ·数据科学工厂 · 2024-06-20 机器学习

机器学习：UMAP 深入理解

本文深入探讨了机器学习中的UMAP算法，与常用的t-SNE相比具有更快的计算速度和更好的数据全局结构保留能力。通过比较图片展示了UMAP在实际高维数据上的表现，同时解释了UMAP算法背后的理论和参数应用。
机器学习 UMAP t-SNE 可视化 数据降维
赞 · 阅读 431 ·数据科学工厂 · 2024-06-11 机器学习

机器学习算法：k-最近邻算法

本文将介绍机器学习中的K-最近邻算法（kNN算法），包括其简介、使用场景和距离度量等内容。kNN算法是一种非参数、有监督的学习分类器，常用于分类和回归任务。文章将深入讨论欧几里得距离、曼哈顿距离、闵可夫斯基距离和汉明距离等kNN距离度量，并介绍了kNN算法的历史发展和应用领域。 ...
机器学习 k-最近邻算法 kNN算法 最近邻算法 kNN距离度量
赞 · 阅读 397 ·数据科学工厂 · 2024-06-11 机器学习
123
  • 排行榜
  • 手机版
  • 小黑屋