- Python Scikit-Learn 高级教程:高级特征工程特征工程是机器学习中不可或缺的一部分,而高级特征工程则涉及更复杂的技术和方法。本篇博客将深入介绍在 Scikit-Learn 中进行高级特征工程的一些常见技术,包括多项式特征、交互特征、特征选择和特征转换等,并提供详细的代码示例。 1. 多项式特征多项式特征是原始特征的多项式组合,通过增加特征的高次数,可以更好地捕捉特征之间的非... Python Scikit-Learn 高级教程:高级特征工程特征工程是机器学习中不可或缺的一部分,而高级特征工程则涉及更复杂的技术和方法。本篇博客将深入介绍在 Scikit-Learn 中进行高级特征工程的一些常见技术,包括多项式特征、交互特征、特征选择和特征转换等,并提供详细的代码示例。 1. 多项式特征多项式特征是原始特征的多项式组合,通过增加特征的高次数,可以更好地捕捉特征之间的非...
- Python Scikit-Learn 高级教程:自定义评估器Scikit-Learn 提供了许多内置的评估器(Estimator)来进行机器学习任务,但在某些情况下,我们可能需要自定义评估器以满足特定需求。本篇博客将深入介绍如何在 Scikit-Learn 中创建和使用自定义评估器,并提供详细的代码示例。 1. 什么是评估器?在 Scikit-Learn 中,评估器是一个实现了 fit ... Python Scikit-Learn 高级教程:自定义评估器Scikit-Learn 提供了许多内置的评估器(Estimator)来进行机器学习任务,但在某些情况下,我们可能需要自定义评估器以满足特定需求。本篇博客将深入介绍如何在 Scikit-Learn 中创建和使用自定义评估器,并提供详细的代码示例。 1. 什么是评估器?在 Scikit-Learn 中,评估器是一个实现了 fit ...
- Python Scikit-Learn 中级教程:模型融合模型融合是一种通过结合多个独立模型的预测结果来提高整体性能的技术。在本篇博客中,我们将深入介绍模型融合的常见方法,包括简单平均法、加权平均法和堆叠法,并使用代码进行详细说明。 1. 简单平均法简单平均法是一种将多个模型的预测结果进行简单平均的方法。这种方法适用于多个独立模型性能相当的情况。import numpy as npfrom... Python Scikit-Learn 中级教程:模型融合模型融合是一种通过结合多个独立模型的预测结果来提高整体性能的技术。在本篇博客中,我们将深入介绍模型融合的常见方法,包括简单平均法、加权平均法和堆叠法,并使用代码进行详细说明。 1. 简单平均法简单平均法是一种将多个模型的预测结果进行简单平均的方法。这种方法适用于多个独立模型性能相当的情况。import numpy as npfrom...
- Python Scikit-Learn 中级教程:集成学习集成学习是一种通过组合多个模型的预测结果来提高模型性能的技术。在本篇博客中,我们将深入介绍 Scikit-Learn 中的集成学习方法,包括 Bagging、Boosting 和随机森林,并使用代码进行说明。 1. Bagging(Bootstrap Aggregating)Bagging 是一种通过构建多个相互独立的模型并将它们的... Python Scikit-Learn 中级教程:集成学习集成学习是一种通过组合多个模型的预测结果来提高模型性能的技术。在本篇博客中,我们将深入介绍 Scikit-Learn 中的集成学习方法,包括 Bagging、Boosting 和随机森林,并使用代码进行说明。 1. Bagging(Bootstrap Aggregating)Bagging 是一种通过构建多个相互独立的模型并将它们的...
- 1. 机器学习基础机器学习是令计算机根据可用数据执行相应策略而无需以明确的编程方式执行策略的一门学科。 在过去几十年间,由于可用数据的数量和质量呈指数级增长,同时高性能的计算设备也得到了快速发展,机器学习在图像识别、自然语言处理、推荐系统和自动驾驶等领域都取得了突破性进展。机器学习的目标是构建强大的模型,可以操纵输入数据以预测输出,同时随着新数据的增加不断更新模型。传递到计算机中的任何信息或... 1. 机器学习基础机器学习是令计算机根据可用数据执行相应策略而无需以明确的编程方式执行策略的一门学科。 在过去几十年间,由于可用数据的数量和质量呈指数级增长,同时高性能的计算设备也得到了快速发展,机器学习在图像识别、自然语言处理、推荐系统和自动驾驶等领域都取得了突破性进展。机器学习的目标是构建强大的模型,可以操纵输入数据以预测输出,同时随着新数据的增加不断更新模型。传递到计算机中的任何信息或...
- 它是开源的图像处理工具,底层是Python,相较于opencv和pillow的不同。opencv是c++库,更新会慢一些;pillow只有图像处理功能。将图像作为数组来处理1. io模块读取、保存和展示图片和视频它读取成数组形式,在矩阵上进行操作1.1. 读取io.imread(img)可以给定图片,或skimage中的内置图片1.2. 展示io.imshow(arr)参数是图片的朴素矩阵,... 它是开源的图像处理工具,底层是Python,相较于opencv和pillow的不同。opencv是c++库,更新会慢一些;pillow只有图像处理功能。将图像作为数组来处理1. io模块读取、保存和展示图片和视频它读取成数组形式,在矩阵上进行操作1.1. 读取io.imread(img)可以给定图片,或skimage中的内置图片1.2. 展示io.imshow(arr)参数是图片的朴素矩阵,...
- 本节书摘来自华章计算机《Python大规模机器学习》 一书中第3章,第3.2.2节,作者是[荷]巴斯蒂安·贾丁(Bastiaan Sjardin)[意]卢卡·马萨罗(Luca Massaron)[意]阿尔贝托·博斯凯蒂(Alberto Boschetti),王贵财 刘春明 译。 本节书摘来自华章计算机《Python大规模机器学习》 一书中第3章,第3.2.2节,作者是[荷]巴斯蒂安·贾丁(Bastiaan Sjardin)[意]卢卡·马萨罗(Luca Massaron)[意]阿尔贝托·博斯凯蒂(Alberto Boschetti),王贵财 刘春明 译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第2章,第2.1.1节,作者是[荷]巴斯蒂安·贾丁(Bastiaan Sjardin)[意]卢卡·马萨罗(Luca Massaron)[意]阿尔贝托·博斯凯蒂(Alberto Boschetti)王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第2章,第2.1.1节,作者是[荷]巴斯蒂安·贾丁(Bastiaan Sjardin)[意]卢卡·马萨罗(Luca Massaron)[意]阿尔贝托·博斯凯蒂(Alberto Boschetti)王贵财刘春明译。
- 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第2章,第2.5.1节,编著是黄永昌 . 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第2章,第2.5.1节,编著是黄永昌 .
- 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第2章,第2.3.1节,编著是黄永昌 . 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第2章,第2.3.1节,编著是黄永昌 .
- 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第1章,第1.2节,编著是黄永昌 . 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第1章,第1.2节,编著是黄永昌 .
- 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第1章,第1.1节,编著是黄永昌 . 本书摘自《scikit-learn机器学习常用算法原理及编程实战》一书中的第1章,第1.1节,编著是黄永昌 .
- Python Scikit-Learn 中级教程:学习曲线学习曲线是一种评估机器学习模型性能的可视化工具,它可以帮助我们理解模型在不同训练数据大小下的表现。在本篇博客中,我们将深入介绍学习曲线的概念,并使用 Scikit-Learn 中的工具绘制学习曲线。 1. 为什么需要学习曲线?学习曲线有助于回答以下问题:模型的性能如何随着训练数据的增加而变化?是否存在过拟合或欠拟合的现象?增加更多的... Python Scikit-Learn 中级教程:学习曲线学习曲线是一种评估机器学习模型性能的可视化工具,它可以帮助我们理解模型在不同训练数据大小下的表现。在本篇博客中,我们将深入介绍学习曲线的概念,并使用 Scikit-Learn 中的工具绘制学习曲线。 1. 为什么需要学习曲线?学习曲线有助于回答以下问题:模型的性能如何随着训练数据的增加而变化?是否存在过拟合或欠拟合的现象?增加更多的...
- Python Scikit-Learn 中级教程:网格搜索和交叉验证在机器学习中,选择合适的模型超参数是提高模型性能的关键一步。Scikit-Learn 提供了网格搜索(Grid Search)和交叉验证(Cross-Validation)等工具,帮助我们找到最佳的超参数组合。本篇博客将深入介绍如何使用 Scikit-Learn 中的网格搜索和交叉验证来优化模型。 1. 网格搜索网格搜索是... Python Scikit-Learn 中级教程:网格搜索和交叉验证在机器学习中,选择合适的模型超参数是提高模型性能的关键一步。Scikit-Learn 提供了网格搜索(Grid Search)和交叉验证(Cross-Validation)等工具,帮助我们找到最佳的超参数组合。本篇博客将深入介绍如何使用 Scikit-Learn 中的网格搜索和交叉验证来优化模型。 1. 网格搜索网格搜索是...
- Python Scikit-Learn 中级教程:特征缩放在机器学习中,特征缩放是一个重要的预处理步骤。它用于调整数据中特征的范围,以便模型能够更好地收敛和表现。在本篇博客中,我们将深入介绍 Scikit-Learn 中的特征缩放方法,并通过代码示例说明如何进行特征缩放。 1. 为什么需要特征缩放?在许多机器学习算法中,特征的尺度对算法的性能有着重要的影响。一些机器学习算法,例如支持向量机... Python Scikit-Learn 中级教程:特征缩放在机器学习中,特征缩放是一个重要的预处理步骤。它用于调整数据中特征的范围,以便模型能够更好地收敛和表现。在本篇博客中,我们将深入介绍 Scikit-Learn 中的特征缩放方法,并通过代码示例说明如何进行特征缩放。 1. 为什么需要特征缩放?在许多机器学习算法中,特征的尺度对算法的性能有着重要的影响。一些机器学习算法,例如支持向量机...
上滑加载中
推荐直播
-
华为云IoT开源专家实践分享:开源让物联网平台更开放、易用
2024/05/22 周三 16:30-18:00
张俭 华为云IoT DTSE技术布道师
开源,意味着开放、共享、互助、共赢。作为万物上云及各行业数字化的物联网底座,华为云IoT积极拥抱开源,借助行业开源的最佳实践,构建可靠、易用的物联网平台,并通过开放南北向SDK,助力开发者快速构建物联网应用。本期直播,华为云IoT开源专家、物联网平台资深“程序猿”张俭,带你了解华为云IoT的开源生态,并手把手教你玩转开源社区!
去报名 -
数字技术创新与商业愿景--数字化转型战略解读
2024/05/22 周三 19:00-20:30
王纪奎老师 华为科学家咨询委员会CTO
数字化转型浪潮下,你是否缺乏对前沿科技的战略洞察、难以将企业转型与国家战略相融合、缺少系统性规划的数字化思维…… 我们特别邀请了华为科学家咨询委员会CTO、战略研究院数字经济与数字化转型首席专家、《数字化转型战略》一书的作者——王纪奎老师。 在5月22日(周三)19点,为我们带来一场主题为“数字技术创新与商业愿景--数字化转型战略解决”的精彩直播。
去报名 -
华为云开发者日·广州站
2024/05/23 周四 14:30-17:30
华为云专家团
华为云开发者日HDC.Cloud Day是面向全球开发者的旗舰活动,汇聚来自千行百业、高校及科研院所的开发人员。致力于打造开发者专属的技术盛宴,全方位服务与赋能开发者围绕华为云生态“知、学、用、创、商”的成长路径。通过前沿的技术分享、场景化的动手体验、优秀的应用创新推介,为开发者提供沉浸式学习与交流平台。开放创新,与开发者共创、共享、共赢未来。
去报名
热门标签