- 博客(2)
- 收藏
- 关注
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