自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

KennethYuen

专注AI领域知识分享

  • 博客(35)
  • 收藏
  • 关注

原创 【机器学习(十三)】机器学习回归案例之股票价格预测分析—Sentosa_DSML社区版

在分析时间序列数据时,GBDT虽然能有效提高股票预测结果,但由于检测速率相对较慢,为寻求快速且精确度较高的预测方法,采用XGBoost模型进行股票预测,在提高预测精度同时也提高预测速率。可以利用XGBoost网络模型对股票历史数据的收盘价进行分析预测,将真实值和预测值进行对比,最后通过评估算子来评判XGBoost模型对股价预测的效果。

2024-10-11 16:27:56 1352

原创 【机器学习(十二)】机器学习回归案例之二手汽车价格预测—XGBoost回归算法—Sentosa_DSML社区版

机器学习回归案例之二手汽车价格预测—XGBoost回归算法—Sentosa_DSML社区版,本文以预测二手车的交易价格为目标,通过Python代码和Sentosa_DSML社区版分别实现构建XGBoost回归预测模型,并对模型进行评估,包括评估指标的选择与分析。最后得出实验结论,确保模型在二手汽车价格回归预测中的有效性和准确性。

2024-09-27 13:39:53 1566

原创 【机器学习(十一)】机器学习分类案例之是否患糖尿病预测—XGBoost分类算法—Sentosa_DSML社区版

机器学习分类案例之是否患糖尿病预测—XGBoost分类算法—Sentosa_DSML社区版,本文将利用糖尿病数据集,通过Python代码和Sentosa_DSML社区版分别实现构建XGBoost分类预测模型。随后对模型进行评估,包括评估指标的选择与分析。最后得出实验结果结论,展示模型在糖尿病分类预测中的有效性和准确性,为糖尿病的早期诊断和干预提供了技术手段和决策支持。

2024-09-26 16:29:40 1525

原创 【第二十二章:Sentosa_DSML社区版-扩展编程】

扩展编程类算子是算子里支持sql语句编写及脚本编程,用户可以根据自己的需要在算子中编写自己需要执行的sql语句或者脚本对数据进行处理。扩展编程类算子数据算子流中的中间算子。

2024-09-25 08:47:38 1031

原创 【第二十一章:Sentosa_DSML社区版-图表分析】

图表分析类算子将数据以图表的方式展现出来,让数据更具有直观性,方便用户观察,查找数据之间的规律。图标分析类算子属于算子流中的终端算子。

2024-09-25 08:47:26 635

原创 【机器学习(十)】时间序列案例之月销量预测分析—Holt-Winters算法—Sentosa_DSML社区版

时间序列案例之月销量预测分析—Holt-Winters算法—Sentosa_DSML社区版,时间序列预测方法用于提取和分析数据和统计数据并表征结果,以便根据历史数据更准确地预测未来。Holt-Winters 预测算法允许用户平滑时间序列并使用该数据预测感兴趣的领域。

2024-09-24 15:09:37 1958

原创 【第二十章:Sentosa_DSML社区版-机器学习之自动建模】

Sentosa_DSML社区版-机器学习之自动建模,自动回归、自动分类、自动聚类、自动数据准备、AutoARIMA算法合集

2024-09-24 08:25:24 1221

原创 【第十九章:Sentosa_DSML社区版-机器学习之模型评估】

评估用当前数据训练出来的模型的正确性,显示对模型各个评价指标的具体值,方便用户对生成的模型有一个确切了解

2024-09-24 08:24:13 1036

原创 【第十八章:Sentosa_DSML社区版-机器学习之协同过滤】

协同过滤是推荐系统中常用的一种方法。该算法旨在填补用户-产品关联矩阵中缺少的项。在算法中,用户和产品都是通过一组少量的潜在因素描述,这些潜在因素可以用于预测用户-产品关联矩阵中缺少的项。

2024-09-23 14:11:49 804

原创 【第十七章:Sentosa_DSML社区版-机器学习之异常检测】

Sentosa_DSML社区版-机器学习之异常检测,机器学习异常检测是检测数据集中的异常数据的算子,一种高效的异常检测算法。它和随机森林类似,但每次选择划分属性和划分点(值)时都是随机的,而不是根据信息增益或者基尼指数来选择。

2024-09-23 13:54:01 941

原创 【第十六章:Sentosa_DSML社区版-机器学习之生存分析】

Sentosa_DSML社区版-机器学习之生存分析,加速失效时间回归模型Accelerated failure time (AFT)是一个监督型参数化的回归模型,它可以处理删失数据。它描述了一个生存时间的对数模型,通常被称为生存分析的对数线性模型。

2024-09-23 11:34:02 662

原创 【第十五章:Sentosa_DSML社区版-机器学习之关联规则】

Sentosa_DSML社区版-机器学习关联规则,机器学习关联规则是一种用于发现数据集中项之间有趣关系的方法。它基于统计和概率理论,通过分析大量数据来识别项之间的频繁共现模式。

2024-09-23 11:16:32 1389

原创 【第十四章:Sentosa_DSML社区版-机器学习之时间序列】

Sentosa_DSML社区版-机器学习时间序列,机器学习时间序列算法合集

2024-09-23 10:03:09 1205

原创 【机器学习(九)】分类和回归任务-多层感知机(Multilayer Perceptron,MLP)算法-Sentosa_DSML社区版

多层感知机MLP算法解决分类和回归问题

2024-09-20 16:58:56 1569

原创 【第十三章:Sentosa_DSML社区版-机器学习之聚类】

Sentosa_DSML社区版-机器学习聚类,机器学习聚类算法是一种无监督学习方法,它根据数据的内在特性将数据划分为不同的组或簇,使得同一簇内的数据对象尽可能相似,而不同簇间的数据对象则尽可能不同。

2024-09-20 11:58:26 1352

原创 【第十二章:Sentosa_DSML社区版-机器学习之回归】

Sentosa_DSML社区版-机器学习回归,机器学习回归算法是一种有监督学习算法,主要用于建立自变量和因变量之间的关系。回归算法的目标是预测一个连续的目标变量,通常是一个实数值。

2024-09-19 19:59:05 1275

原创 【第十一章:Sentosa_DSML社区版-机器学习之分类】

Sentosa_DSML社区版-机器学习分类,机器学习分类通常通过监督学习来完成,即使用带有标签的数据集进行训练,使模型能够预测新的数据样本所属的类别。

2024-09-19 14:51:00 919

原创 【机器学习(八)】分类和回归任务-因子分解机(Factorization Machines,FM)算法-Sentosa_DSML社区版

因子分解机算法解决分类和回归问题

2024-09-19 14:09:34 1782

原创 【机器学习(七)】分类和回归任务-K近邻(K-NearestNeighbor,KNN)算法-Sentosa_DSML社区版

KNN算法解决分类和回归问题

2024-09-18 10:24:59 1570

原创 【第十章:Sentosa_DSML社区版-特征工程】

Sentosa_DSML社区版-特征工程,特征工程类算子是对数据的特征列进行编码转换、降维、特征重要性判断等处理的算子,帮助用户将数据处理为适合后续分析的的类型。特征工程类算子属于算子流中的中间算子。

2024-09-14 17:33:07 933

原创 【机器学习(六)】分类和回归任务-LightGBM算法-Sentosa_DSML社区版

LightGBM算法解决分类和回归任务

2024-09-14 09:09:02 1072

原创 【第九章:Sentosa_DSML社区版-统计分析】

Sentosa_DSML社区版-统计分析,统计分析类算子主要是对数据做定性或定量分析,输出数据的相关指标供用户在数据分析过程中对衡量判断。统计分析类算子属于算子流中的中间算子。

2024-09-13 10:49:23 992

原创 【机器学习(五)】分类和回归任务-AdaBoost算法-Sentosa_DSML社区版

AdaBoost算法解决分类和回归问题

2024-09-13 09:12:58 1559

原创 【第八章:Sentosa_DSML社区版-数据融合】

Sentosa_DSML社区版-数据融合,数据融合算子作用是将多个表数据根据设定规则融合到一张表中。

2024-09-12 16:43:01 745

原创 【第七章:Sentosa_DSML社区版-列处理】

Sentosa_DSML社区版-列处理,列处理类算子是数据读出后,对表状结构数据,列维度的处理,包括列的增加,修改,删除,查询等。列处理类算子属于算子流中的中间算子。

2024-09-12 16:10:49 1051

原创 【机器学习(四)】分类和回归任务-梯度提升决策树(Gradient Boosting Decison Tree,GBDT)算法-Sentosa_DSML社区版

梯度提升决策树解决分类和回归问题

2024-09-12 11:29:06 823

原创 【第六章:Sentosa_DSML社区版-行处理】

Sentosa_DSML社区版-行处理:行处理类算子是数据读出后,对表状结构数据,行维度的处理,包括行的增加,修改,删除,查询等。行处理类算子属于算子流中的中间算子。

2024-09-12 10:48:46 459

原创 【第五章:Sentosa_DSML社区版-数据写出】

Sentosa_DSML社区版-数据写出:数据写出类算子作为算子流数据输出节点,将数据写入到文件或不同的数据库中,支持文本文件、 Excel 、流数据和多种数据库数据的读入。

2024-09-11 14:52:08 809

原创 【机器学习(三)】分类和回归任务-随机森林(Random Forest,RF)算法-Sentosa_DSML社区版

随机森林算法解决分类和回归问题

2024-09-11 13:52:18 1610

原创 【第四章:Sentosa_DSML社区版-数据读入】

Sentosa_DSML社区版-数据读入:数据读入类算子是给算子流提供数据的算子,将数据从文件或不同的数据库中引入到算子流中,支持文本文件、 Excel 、流数据和多种数据库数据的读入。数据读入类算子也是算子流的最前端算子,只能连接后端节点。

2024-09-11 13:49:01 1148

原创 【第三章:Sentosa_DSML社区版快速入门】

Sentosa_DSML社区版快速入门指南

2024-09-10 17:19:19 1219

原创 【第二章:Sentosa_DSML社区版产品功能】

Sentosa_DSML社区版产品功能概述

2024-09-10 14:07:23 1225

原创 【机器学习(二)】分类和回归任务-决策树(Decision Tree,DT)算法-Sentosa_DSML社区版

决策树算法解决分类和回归问题

2024-09-10 14:03:50 1291

原创 【机器学习(一)】分类和回归任务-XGBoost算法-Sentosa_DSML社区版

XGBoost算法解决分类和回归问题

2024-09-09 20:20:55 1097

原创 【第一章:Sentosa_DSML社区版概述】

为了非商业用途的科研学者、研究人员及开发者提供学习、交流及实践机器学习技术,推出了一款轻量化且完全免费的Sentosa_DSML社区版

2024-09-09 19:50:30 1055

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除