机器学习

机器学习之超参数调优

对于很多算法工程师来说,超参数调优是件非常头疼的事,这项工作比较玄学。除了根据经验设定所谓的“合理值”之外,一般很难找到合理的方法去寻找超参数的最优值。而与此同时,超参数对于模型效果的影响又至关重要。那么有没有一些可行的办法进行超参数调优呢?

机器学习中防止过拟合的处理方法

我们都知道,在进行数据挖掘或者机器学习模型建立的时候,因为在统计学习中,假设数据满足独立同分布,即当前已产生的数据可以对未来的数据进行推测与模拟,因此都是使用历史数据建立模型,即使用已经产生的数据去训练,然后使用该模型去拟合未来的数据。

AI 开发者不容错过的 20 个机器学习和数据科学网站

如今,科技界最热门的话题莫过于最先进、最前沿、最令人兴奋的数据科学和机器学习了。然而,要想紧跟该领域的进步和发展,你需要付出大量努力来研究、阅读和查看信息、新闻、指南以及其他内容。

模型评估指标(Confusion Matrix、ROC、AUC)

通常在模型训练完之后,我们想要查看模型训练的效果以验证模型的好坏,并根据评估结果来继续调整模型的参数、特征或者算法,以达到满意的结果。在回归算法中评价模型好坏的指标很明确主要有:拟合优度R2 ,均方误差MSEMSEMSE,均方根误差RMSE,以及平均绝对误差MAE。

机器学习简介

虽然机器学习的基本概念已经存在了一段时间,但这一领域最近才迅猛发展,这要归功于先进的处理器和丰富的可用数据,这两者都是实现精确预测的关键。因为介绍机器学习历史的内容很多,所以本文不再赘述。我们在这里为您提供了一种实用的方法来理解必要的概念,帮助您入门。

机器学习项目必经十大磨难,看看自己渡过几劫了?

随着机器学习领域和技术本身的发展,项目中涉及的阶段和工作流程也在不断发展。支持GPU的移动设备的出现为传统机器学习项目的工作流程引入了一个新阶段。新阶段的出现又造就了新的角色和职位。