- 博客(6)
- 收藏
- 关注
RSS订阅原创 超参数选择方法
网格搜索是模型调参的有力工具。只需要将若干参数传递给网格搜索对象，它自动帮我们完成不同超参数的组合、模型训练、模型评估，最终返回一组最优的超参数。5.若k=5模型得分最好，再使用全部训练集(训练集+验证集)对k=5模型再训练一边，再使用测试集对k=5模型做评估。•交叉验证：是一种数据集的分割方法，将训练集划分为n份，拿一份做验证集（测试集）、其他n-1份做训练集。交叉验证法，是划分数据集的一种方法，目的就是为了得到更加准确可信的模型评分。4.使用训练集+验证集多次评估模型，取平均值做交叉验证为模型得分。
2024-04-25 21:04:51
228
1
原创 距离度量+特征预处理
特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些模型（算法）无法学习到其它的特征。是对多个距离度量公式的概括性的表述。标准化：通过对原始数据进行标准化，转换为均值为0标准差为1的标准正态分布的数据。3. 切比雪夫距离:二个点之间的距离定义是其各坐标数值差绝对值的最大值。1. 欧氏距离：两个点在空间中的距离一般都是指欧氏距离。4. 闵可夫斯基距离:不是一种新的距离的度量方式。1. 为什么做归一化和标准化?
2024-04-24 21:09:09
290
原创 机器学习+KNN算法
k过小：过拟合 k过大：欠拟合。:一个样本最相似的k个样本中的大多数属于某一个类别，则该样本也属于这个类别。解决方法：过拟合可以通过正则化、异常值检测、特征降维等方法来解决。★过拟合产生的原因：模型太过于复杂、数据不纯、训练数据太少。★欠拟合产生的原因：模型过于简单，特征过少。②特征预处理：将数据标准化，归一化的处理。解决方法：拟合可以通过增加特征来解决。⑤特征组合：把多个特征合成一个特征。
2024-04-23 21:34:31
211
原创 机器学习（第一天）
2017年10月18日，DeepMind团队公布了最强版AlphaGo，代号AlphaGo Zero，它能在无任何人类输入的条件下，从空白状态学起，自我训练的时间仅为3天，自我对弈的棋局数量为490万盘，能以100:0的战绩击败前辈。这个模型的提出，开启了深度网络机器学习的新时代。进入90年代，多浅层机器学习模型相继问世，诸如逻辑回归，支持向量机等，这些机器学习算法的共性是数学模型为凸代价函数的最优化问题，理论分析相对简单，容易从训练样本中学习到内在模式，来完对象识别，人物分配等初级智能工作。
2024-04-22 21:08:51
778
1
原创 每天收获总结
获取数据--数据基本处理--特征工程--机器学习--模型评估--模型预测。4.监督学习目标值连续:回归 目标值离散：分类。3.一行数据就是一个样本，多个样本组成一个数据集。TPU：专门针对大型网络训练而设计的一款处理器。无监督学习：无目标值，根据样本的特征进行聚类。半监督学习：部分有目标值，部分没有目标值。一列数据就是一个特征，有时也被称为特征。1.AI发展三要素：数据，算法，算力。模型要预测的那一列数据成为目标或标签。CPU：主要适合I/O密集型的任务。GPU：主要适合计算密集型任务。
2024-04-22 17:40:36
127
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