机器学习
文章平均质量分 90
vanilla698
这个作者很懒,什么都没留下…
展开
-
《机器学习by周志华》学习笔记-决策树-01
本书中的「决策树」有时指学习方法,有时指学得的树。原创 2024-05-10 10:13:54 · 872 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-线性模型-03
我们在上一节介绍了「线性判别分析(LDA)」,LDA的从二分类任务可以推广到多分类任务中。而现实中常遇到的多分类学习任务。有些二分类的学习方法可以直接推广到多分类,但是更多情况下是基于一些策略,利用二分类学习器来解决多分类的问题。原创 2024-04-23 17:53:20 · 614 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-线性模型-02
上一节我们考虑了线性模型的回归学习,但是想要做分类任务就需要用到上文中的广义线性模型。当联系函数连续且充分光滑,考虑单调可微函数。多分类与二分类的线性判别分析(LDA)原创 2024-04-17 17:55:44 · 889 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-线性模型-01
给定由d个属性描述的示例x:其中每个属性的权重:其中xi是x在第i个属性上的值,线性模型试图学习一个通过属性线性作何来预测的函数,即:用向量形式写成:当w和b的参数学得之后,模型就可以确定。也叫「可理解性」原创 2024-04-11 18:13:57 · 761 阅读 · 1 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-04
偏差-方差分解(bias-variance decomposition)」是解释学习器泛化性能的一种重要工具。「偏差」学习器期望预测与真实结果的偏离程度。「方差」同样大小训练集的变动会导致学习器性能变化的度量。「噪声」表达了在当前任务下,学习器所能达到的期望泛化误差的下界。原创 2024-04-01 13:24:34 · 425 阅读 · 0 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-03
通过比较检验方法进行假设检验、交叉验证t检验、5✖️2交叉验证、卡方检验等方式比较学习器、模型、算法的性能。原创 2024-03-21 18:24:00 · 1687 阅读 · 0 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-02
本章主要对模型的性能指标错误率、精度(正确率)、查准率(准确率)、查全率(召回率)、F1指标、平衡点、ROC、AUC、代价敏感错误率、代价曲线、期望总体代价等做了详细的描述。原创 2024-02-29 11:32:18 · 407 阅读 · 0 评论 -
《机器学习by周志华》学习笔记-模型评估与选择-01
训练过程中,努力使「经验误差(训练误差)」最小。原创 2024-02-22 11:02:17 · 788 阅读 · 0 评论 -
MLOps——模型治理
很难将MLOps与其治理分开。没有治理,就不可能成功地管理模型生命周期、降低风险和大规模交付价值。治理影响一切,从业务如何可接受地利用机器学习模型,到可使用的数据和算法,再到操作、监控和再训练的风格。大规模的MLOps还处于起步阶段。很少有企业在做,做得好的企业更少。虽然治理是提高MLOps有效性的关键,但目前很少有直接应对这一挑战的工具,而且只有零碎的建议。原创 2023-12-22 19:58:28 · 1740 阅读 · 0 评论 -
MLOps——监控和反馈回路
确保模型在生产环境中正确运行关键系统是否还存在? CPU、GPU、RAM、网络使用率和磁盘空间是否符合预期? 请求是否以预期的速度得到处理?性能层面 目的 随时间监控模型的相关性 关键 模型是否仍然是新输入数据的准确表示? 它的性能和设计阶段一致吗?原创 2023-12-19 23:07:16 · 1892 阅读 · 0 评论 -
MLOps工具链实战笔记_02
机器学习数据的使用特征工程以及策略,特征的存储以及模型实验的过程、目标等。模型评估的必要性分析、风险分析等。原创 2023-12-15 11:08:19 · 310 阅读 · 0 评论 -
MLOps工具链实战笔记_01
MLOps工具链产品设计思路与问题解决方案原创 2023-12-13 16:10:22 · 133 阅读 · 0 评论 -
机器学习模型概念、应用与开发模型的基础知识
机器学习模型是计算机程序或算法,通过从已有的数据中学习和自动调整参数,可以进行预测、分类或决策的工具。模型的目标是基于输入数据的特征,找到模式、关联和规律,从而在未知数据上进行有效的预测和决策。模型的选择和设计依赖于具体问题的特征和需求,包括数据的类型、数量和质量等因素。预测和回归:模型可以基于历史数据来预测未来的趋势和结果,比如销售预测、股票价格预测等。时间序列分析:模型可以对时间相关的数据进行建模和预测,比如股票价格预测、气象预测等。聚类和分割:模型可以将数据分成不同的组别,比如顾客分群、图像分割等。原创 2023-12-13 16:41:37 · 277 阅读 · 0 评论