- 博客(6)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 自动机器学习之Auto-Keras入门
对于训练深度学习，设计神经网络结构是其中技术含高最高的任务，优秀的网络架构往往依赖建构模型的经验，专业领域知识，以及大量的算力试错。实际应用中往往基于类似功能的神经网络微调生成新的网络结构。Auto-Keras是一个离线使用的开源库，用于构建神经网络结构和搜索超参数，支持RNN，CNN神经网络，它使用了高效神经网络搜索ENAS，利用迁移学习的原理将在前面任务中学到的权值应用于后期的模型中，效率...
2019-09-29 17:40:18
1047
原创 Auto Machine Learning 自动化机器学习笔记
适读人群：有机器学习算法基础1. auto-sklearn 能 auto 到什么地步？ 在机器学习中的分类模型中： 常规 ML framework 如下图灰色部分：导入数据-数据清洗-特征工程-分类器-输出预测值 auto部分如下图绿色方框：在ML framework 左边新增 meta-learning，在右边新增 build-ensemble，对于...
2019-09-27 11:50:36
2899
原创 自动机器学习之auto-sklearn入门
当我们做完了特征工程之后，就可以代入模型训练和预测，对于模型的选择及调参，主要根据分析者的经验。在具体使用时，经常遇到同一批数据，同一种模型，不同的分析者得出的结果相差很多。前面学习了几种常用的机器学习方法原理以及适用场景，对于完全没有经验的开发者，只要有足够时间，尝试足够多的算法和参数组合，理论上也能达到最优的训练结果，同理程序也能实现该功能，并通过算法优化该过程，自动寻找最优的模型解决方案...
2019-09-27 10:44:50
2056
4
原创 机器学习特征工程经验总结一
这块内容分为两篇文章，有一点长，但内容很实用，建议耐心的看一下。机器学习特征工程经验总结一机器学习特征工程经验总结二--------------------------------------------很多人其实非常好奇BAT里机器学习算法工程师平时工作内容是怎样？其实大部分人都是在跑数据，各种map-reduce，hive SQL，数据仓库搬砖，数据清洗、数据清洗、数据清洗，业务分...
2019-09-05 14:55:01
1697
原创 机器学习特征工程经验总结二
机器学习特征工程经验总结一机器学习特征工程经验总结二--------------------------------------------如何做特征处理和构建特征处理和构建一般对以下几种数据类型做处理： 数值型 类别型 时间型 文本型 统计型 组合特征一、数值型1 幅度调整/归一化：python中会有一些函数比如pre...
2019-09-05 14:44:34
1152
原创 特征构建：生成多项式特征
解释下特征构建、特征抽取和特征选择：1、当数据拿到手里后，首先需要从现有数据中挑选或将现有数据进行变形，组合形成新特征，此过程称为特征构建。2、当特征维度比较高，通过映射或变化的方式，用低维空间样本来表示样本，称为特征抽取。3、从一组特征中挑选出一些最有效的特征，以达到降低维度和降低过拟合风险的目的，称为特征选择。机器学习，一些比赛竞赛中，通常会给一定的特征数据进行分类或者回归预测。有...
2019-09-05 14:30:13
2615
Python深度学习（Deep Learning With Python中文版）
2018-09-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人