【李沐AI课程】机器学习斯坦福
文章平均质量分 73
应用机器学习 (ML) 准确、稳健地解决实际问题需要的不仅仅是训练最新的 ML 模型。您将学习处理数据的实用技术。这很重要,因为真实数据通常不是独立且相同分布的。它包括检测协变量、概念和标签偏移,以及对相关随机变量。
zz_Lambda
不积硅步,无以至千里。
展开
-
2.3 数据变换【斯坦福21秋季:实用机器学习中文版】
数据变换在获取了原始数据,经历了数据清洗的步骤后,我们又应该怎么做呢?本节课从数值、图片、视频、文本四个角度出发,介绍了数据变化。出处:https://www.bilibili.com/video/BV1pQ4y167ej参考:https://www.bilibili.com/read/cv13533854?from=note一、思维导图二、数值变换处理过程中,要保证数据质量、大小,考虑具体使用什么格式(每个单独的文件or文件夹)读取,实现数据的正常化(Normalization)。(1原创 2021-12-07 09:55:45 · 387 阅读 · 0 评论 -
2.2 数据清理【斯坦福21秋季:实用机器学习中文版】
数据清理本节课从为什么要数据清洗,并数据清洗的三个角度出发,简单介绍了数据清理。此外,借鉴一篇博文,推荐数据清洗的免费工具。出处:https://www.bilibili.com/video/BV1kQ4y1Q7mx参考:https://www.bilibili.com/read/cv13382013?from=note推荐“数据清洗工具简介”博文:https://blog.csdn.net/ArrogantT/article/details/105220184一、思维导图二、数据错误1原创 2021-12-03 11:23:46 · 272 阅读 · 0 评论 -
2.1 探索性数据分析【斯坦福21秋季:实用机器学习中文版】
探索性数据分析本节课以房屋售卖的数据为例,结合代码进行分析。出处:https://www.bilibili.com/video/BV1Xh411p7M9?spm_id_from=333.999.0.0参考:https://www.bilibili.com/read/cv13353927?from=note数据集:https://c.d2l.ai/stanford-cs329p/assignments.html#assignment-1一、导入相关包numpy:python中做数据分析常用原创 2021-11-28 12:11:05 · 1248 阅读 · 0 评论 -
1.4 数据标注【斯坦福21秋季:实用机器学习中文版】
数据标注本节课主要讲数据如果没有足够的标注(label)应该怎么办。出处:https://www.bilibili.com/video/BV1HL41147aL?spm_id_from=333.999.0.0参考:https://www.bilibili.com/read/cv13774488?spm_id_from=333.999.0.0一、数据标注思路最理想的情况就是有足够的数据与足够的标注(label),而你如果想要改善数据的标注(label):当你已经有一部分标注,可以使用半监督原创 2021-11-24 16:58:24 · 1325 阅读 · 0 评论 -
1.3 网页数据抓取【斯坦福21秋季:实用机器学习中文版】
数据爬取这节课简要的讲了网络爬虫的作用,并提供了简单案例,着重强调了法律风险。由于现在网页越来越复杂,实际操作中需要更多的细节,可以看网络爬虫专门的课程。出处:https://www.bilibili.com/video/BV1JM4y137kK?spm_id_from=333.999.0.0参考:https://www.bilibili.com/read/cv13762906?spm_id_from=333.999.0.0一、网页爬虫和数据抓取网页爬虫:指对整个网页的全部数据进行爬取并收原创 2021-11-21 20:02:47 · 1219 阅读 · 0 评论 -
1.2 数据获取【斯坦福21秋季:实用机器学习中文版】
数据获取这一讲主要讲在没有现成的数据情况下,如何去找数据集,并对三类数据集进行优缺点进行比较。 以及当找不到数据集时,如何获得数据集呢。出处:https://www.bilibili.com/video/BV1Lf4y1n7LN?spm_id_from=333.999.0.0参考:bilibili.com/read/cv13696681?from=note一、获取数据集的途径首先寻找 现有数据集,现成的数据需要根据情况稍加处理,比如清洗、融合。如果没有现成的数据,那就要考虑 生成数据,原创 2021-11-14 20:42:03 · 2307 阅读 · 0 评论