特征工程
1:对于Tabular数据
2:对于Text 文本
3:对于Image/Video
监督学习
组成：构造模型，算出损失，目标优化，进行优化
模型分类：
多分类问题：
如何求解最优：
机器学习-李沐
本文介绍了机器学习中的特征工程，包括对Tabular数据、Text文本和Image/Video的处理。接着讲解了监督学习的基本流程，如模型构造、损失计算、优化目标和优化方法，特别提到了SGD优化器。接着，文章讨论了神经网络模型，如MLP、CNN、RNN和Transformer，并简单介绍了模型评估，特别是分类问题中的方差和偏差。最后，提及了降低模型方差的bagging策略（如随机森林）和降低偏差的boosting思想（如GBDT、XgBoost）。
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
