3. 模型可视化: VisualDL实现paddle框架模型的可视化 VisualDL 是 paddle 可视化分析工具, 以丰富的图表呈现: 训练参数变化趋势、 模型结构、数据样本、直方图、PR曲线、高维数据分布。 3.1 VisualDL 工具介绍 1）安装方式 pip安装 pip instal ...
分类：
其他好文 时间：
2021-05-24 02:18:44
阅读次数：
0
1.数据处理时缺失指怎么处理 2.L1和L2的区别 3.高维数据如何降维 4.特征处理，连续型和非连续性，给了个例子，年龄和user_id两个特征如何处理 5.LR了解吗，如何解决过拟合问题 6.如何评估模型结果，我把分类和回归分别解释，介绍各种评估方式的不足，还问了ROC曲线横纵坐标 7.Rand ...
分类：
其他好文 时间：
2020-07-28 22:38:27
阅读次数：
115
在sklearn.feature_selection模块中，可以对样本集进行特征选择（feature selection）和降维（dimensionality reduction）,这样会提高估计器的准确度或者增强在高维数据集上的性能。 1. 移除低方差特征 VarianceThreshold是特征 ...
分类：
其他好文 时间：
2020-07-22 23:36:37
阅读次数：
103
一、用自己的话描述出其本身的含义： 1、特征选择 特征选择是将高维数据映射或者转换改成低维数据，完成降维目标，通过特征选取的方式将冗余或者不相关的特征删除掉，实现进一步的降维。 2、PCA 主成分分析又叫主元分析，该方法主要的思想是通过原始特征进行变换，从而找出一组互相不相关而且重要性从小到大排列的 ...
分类：
其他好文 时间：
2020-06-09 10:01:01
阅读次数：
53
原文链接 从高数原理推导出的PCA降维 【机器学习】降维-PCA PCA（Principal Component Analysis） 是一种常见的数据分析方式，常用于高维数据的降维，可用于提取数据的主要特征分量。 PCA 的数学推导可以从最大可分型和最近重构性两方面进行，前者的优化条件为划分后方差最 ...
分类：
编程语言 时间：
2020-06-03 15:13:40
阅读次数：
75
一、用自己的话描述出其本身的含义： 1、特征选择 提取到的所有特征中选择和类标签有关的特征作为训练集特征，特征在选择前和选择后不改变值。 2、PCA PCA即主成分技术，又称主分量分析。主成分分析也称主分量分析，旨在利用降唯的思想，把多指标转化为少数几个综合指标一种常见的数据分析方式，常用于高维数据 ...
分类：
其他好文 时间：
2020-05-04 21:13:08
阅读次数：
54
机器学习算法的优点和缺点总结 1.正则化算法（Regularization Algorithms） 它是另一种方法（通常是回归方法）的拓展，这种方法会基于模型复杂性对其进行惩罚，它喜欢相对简单能够更好的泛化的模型。 例子： 岭回归（Ridge Regression） 最小绝对收缩与选择算子（LASS ...
分类：
编程语言 时间：
2020-05-04 15:53:05
阅读次数：
97
一、数据维度 一维数据：由对等关系的有序或无序数据构成，采用线性方式组织.对应列表、数组和集合等概念 3.14，3.13，3.02，3.05，3.19 二维数据：由多个一维数据构成，是一维数据的组合形式。表格是典型的二维数据 多维数据：由一维或二维数据在新维度上在扩展形成 高维数据：仅利用最基本的二 ...
分类：
编程语言 时间：
2020-03-12 12:54:07
阅读次数：
62
导读：伴随着AI的兴起，越来越多的智能产品诞生，算法链路也会变得越来越复杂，在工程实践中面临着大量算法模型的从0到1快速构建和不断迭代优化的问题，本文将介绍如何打通数据分析 样本标注 模型训练 监控回流的闭环，为复杂算法系统提供强有力的支持。 新技术/实用技术点： 1. 实时、离线场景下数据加工的方 ...
分类：
编程语言 时间：
2020-02-24 18:17:50
阅读次数：
100
机器学习基础（二） [toc] 上篇文章中，我们就机器学习的相关基础概念进行了阐述，包括机器学习的基本概念以及机器学习的分类。不了解的童鞋可以看一下补补课, "机器学习系列（一）——基础概念及分类" 。 分类和回归问题作为典型的机器学习问题，一直困扰了我很久，在查了好多文献和推文后，整理下来下面的文 ...
分类：
其他好文 时间：
2020-01-02 22:48:28
阅读次数：
113
