- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习的算法
监督学习：通过已有的输入数据和对应的输出标签进行学习，目标是建立一个模型能够根据输入准确预测输出。例如，根据房屋的面积、房间数量等特征预测房屋价格，这里房屋的面积、房间数量等是输入数据，已知的房屋价格就是输出标签。- 非监督学习：在没有明确输出标签的情况下，对输入数据进行分析和探索，旨在发现数据中的潜在结构或模式。- 非监督学习：可用于客户细分（通过聚类将客户分成不同群体以便针对性营销）、数据降维（在处理高维数据时减少特征数量以简化分析）、异常检测（发现与大多数数据模式不同的异常数据点）等。
2024-09-18 00:20:46
520
原创 目前我对机器学习的了解
它包括对数据的描述性统计分析，比如计算数据的均值、中位数、方差、标准差等，以了解数据的集中趋势、离散程度等基本特征。特征选择：选择对问题最有帮助的特征，减少数据维度，提高模型的效率和性能。b 主成分分析（PCA）：用于数据降维，通过找到数据的主要成分方向，将高维数据投影到低维空间，同时保留数据的主要信息。使用验证集对训练好的模型进行评估，根据评估指标调整模型的超参数，如学习率、正则化系数等。确保数据的质量和代表性，对数据进行清洗和预处理，去除噪声和异常值。持续监控模型的性能，根据实际情况进行更新和维护。
2024-09-07 21:57:19
375
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人