- 博客(3)
- 收藏
- 关注
RSS订阅原创 【无标题】
第二步设计一个损失去判断对参数数值的设定的好坏。计算预测值与实际值的差距，将所有数据的误差相加，越小参数就越好。预测值与实际值的差距有多种方法，不同的数据可以采用不同的方法，蛮灵活的。还给出了误差表面的图，更形象的帮助理解损失的概念。机器学习的过程就是找函数的过程，第一步是学出带有未知参数的函数，这个函数能够预测未来的观看次数。这些未知参数要通过数据来查找出来，猜测需要了解其领域知识，猜测不一定是对的，后面会修正这些参数。学习前5页的内容，主要是在介绍机器学习的三个步骤，首先给出了机器学习的几种任务。
2024-08-25 15:27:39
175
原创 Datawhale AI 夏令营 机器学习入门task3
然后是对这些特征的性质进行分类阐述，比如上面我说的就是异常点特征和特殊事件特征，对这些不同的特征用不同的方法去处理，异常点的处理方法可以是简单标记、剔除、修改。这些特征与分析的方法都能提高模型对数据的理解。当然也不是特征越多越好，在进行特征构建的时候要能分清楚哪些是对模型有帮助的，要有针对性的，有目的性的使模型向着需要的方向发展，这种特征对模型的帮助是巨大的。然后是模型的优化，task3文档中使用的是模型融合的思路，当然也有很多其它的模型优化方式，数据适用于哪种模型也是需要测试的。
2024-07-20 22:07:07
179
原创 Datawhale AI 夏令营 机器学习入门task
二是根据id来分，每个id就是一个房屋的编号，对一个房屋按时间绘制折线图，横坐标为dt，表示天数的变化，dt越小则离现在越近，假设过去了100天，dt为100时就是第1天的数据，dt为10则是第90天的数据，现在就是第100天。将之前几天的数据信息给到后面的信息中，因为这两者的信息可能有关联性，比如说一连几天都很热啊，开了几天空调。然后是进行特征工程的构建，我是这样理解的，我们要进行预测的就是特征，那么我就用过去的特征来进行匹配，当类型相似时，时间跨度相似时就可以通过拟合来达到一个相似的结果。
2024-07-17 22:47:45
277
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