网站首页 standardscaler

• 

  如何用不同长度的观测数据对数据集进行分类

  “经典”机器学习算法通常要求训练数据集采用两个矩阵的格式——一个带样本的矩阵和一个带目标的数组。然而，如何处理观测没有固定长度的数据集呢?考虑以下情况。您有一个文件数据集，其中每个文件包含一个观察，并且您事先不知道每个文件的长度。不可能将每...

  2024-10-26 nanyue 技术文章 7 ℃
• 

  机器学习入门教程-第十一课:特征工程的魔法装备

  1.引入话题上一节课我们讲到了数据预处理的重要性，现在我们的数据已经变得干净整洁，就像是经过了精心打理的花园一样。但是，为了让我们的数据模型更加强大，我们需要进一步增强数据的能力，这就需要用到特征工程了。2.什么是特征工程？...

  2024-10-26 nanyue 技术文章 6 ℃
• 

  机器学习:学习机器学习时应避免的 10 个常见错误

  阅读此文前，麻烦您点击一下“关注”，方便您进行讨论和分享。机器学习：学习机器学习时应避免的10个常见错误机器学习的十宗罪：那些年我们一起踩过的坑（以及如何优雅地避开它们）各位看官，大家好！今天咱们不聊八卦，不聊明星，咱们聊聊一个高大上，...

  2024-10-26 nanyue 技术文章 5 ℃
• 

  如何使用 Python 进行超参调参和调优

  本文最初发布于rubikscode.com网站，经原作者授权由InfoQ中文站翻译并分享。围绕模型优化这一主题发展出来的许多子分支之间的差异之大往往令人难以置信。其中的一个子分支叫做超参数优化，或超参数调优。...

  2024-10-26 nanyue 技术文章 4 ℃
• 

  特征选择:11 种特征选择策略总结（特征选择的三种方法适用范围）

  太多的特征会增加模型的复杂性和过拟合，而太少的特征会导致模型的拟合不足。将模型优化为足够复杂以使其性能可推广，但又足够简单易于训练、维护和解释是特征选择的主要工作。“特征选择”意味着可以保留一些特征并放弃其他一些特征。本文的目的是概述一些特...

  2024-10-26 nanyue 技术文章 6 ℃
• 

  通过正则化和随机森林来选择特征（正则表达式随机匹配数字）

  一、为什么要做特征选择？如果一个模型在训练数据上的表现比在测试数据上要好很多，这就表示这个模型过拟合了。过拟合是指模型的参数对于训练数据的特定观测值拟合的非常接近，而训练数据的分布于真实数据的分布并不一致，所以模型具有较高的方差。产生过拟合...

  2024-10-26 nanyue 技术文章 5 ℃
• 

  决策树的高级概述（决策树的基本步骤）

  这篇文章将作为决策树的高级概述。它将涵盖决策树如何训练，与“信息增益”和“基尼指数”相关信息。我还将进行超参数调整和决策树剪枝以进行优化。本文介绍的两种决策树算法是CART和ID3。决策树是非常流行的模型，支持分类和回归。决策树是高度可解释...

  2024-10-26 nanyue 技术文章 4 ℃
• 

  硬核干货!基于机器学习分类算法的钢材缺陷检测分类，一文掌握

  今天给大家带来一篇机器学习在工业数据的实战文章：基于机器学习分类算法的钢材缺陷检测分类本文的数据集是来自uci，专门为机器学习提供数据的一个网站。该数据集包含了7种带钢缺陷类型（钢板故障的7种类型：装饰、Z_划痕、K_划痕、污渍、肮脏、颠簸...

  2024-10-26 nanyue 技术文章 6 ℃
• 

  从实践的角度理解主成分分析（简述实践主客体之间的相互关系）

  主成分分析是提高机器学习算法处理大量数据和特征的性能的最常用方法之一。然而，有时PCA可能太复杂，太技术化，甚至太乏味，无法正确理解基本原理，因此，我决定写这篇文章，以实际的方式阐明每一步，并易于初学者理解。首先我们需要更好地理解为什么需要...

  2024-10-26 nanyue 技术文章 5 ℃
• 

  python中标准化可反复利用的函数——StandarScaler()

  Preprocessing中还有一个实用类StandarScaler()，这个函数可以把训练数据集做标准化转换，记住这个转换，并把这种相同的转换再应用到测试集中。就是先创建一个转换器，把转化器应用到测试集中。实例如下：fromsklear...

  2024-10-26 nanyue 技术文章 5 ℃