Datawhale 9月吃瓜教程
文章平均质量分 54
吃瓜教程是Datawhale组织的组队学习 。
学习资料由开源学习组织Datawhale提供。
时迁Tiam
这个作者很懒,什么都没留下…
展开
-
【Datawhale吃瓜教程】Task02 打卡笔记
重点理解了最小二乘法的精髓。最小二乘法通过最小化预测值与实际值之间的均方误差来求解模型参数,这种方法不仅在数学上易于处理,而且在实际应用中效果良好。我认识到,最小二乘法不仅是线性回归的求解方法,更是一种优化思想的体现。通过实践和应用线性回归模型,我深刻体会到理论知识与实际应用之间的紧密联系。在实际问题中,我们需要根据数据的特点选择合适的模型参数、处理异常值、进行特征工程等,这些都需要我们在实践中不断探索和总结。线性回归作为机器学习中最基础的算法之一,虽然有其局限性,但在许多实际问题中仍具有广泛的应用价值。原创 2024-09-21 19:03:53 · 337 阅读 · 0 评论 -
【Datawhale吃瓜教程】Task01 打卡笔记
第二章详细介绍了模型评估的几种基本方法,包括留出法、交叉验证法和自助法。这些方法不仅为我提供了评估模型性能的工具,还让我理解了不同方法之间的优缺点和适用场景。理解了过拟合与欠拟合的概念,本章还介绍了多种性能度量指标,如错误率、精度、查准率、查全率、F1分数等。这些指标为我提供了评估模型性能的多维度视角,使我能够更全面地了解模型的优缺点,并据此进行有针对性的优化。第一章首先为我们勾勒了机器学习的全貌,从基本概念、发展历程到当前的研究热点,让我对机器学习这一领域有了整体的认识。这种宏观视角的建立。原创 2024-09-18 13:47:46 · 644 阅读 · 0 评论