- Python Scikit-Learn 高级教程：自动化机器学习自动化机器学习是通过自动搜索和选择最佳模型及其超参数的过程，以简化机器学习任务的一种方法。Scikit-Learn 中提供了 AutoML 工具，本篇博客将详细介绍如何使用 AutoML 来自动化机器学习任务。 1. 安装 AutoML 包首先，确保你已经安装了相应的 AutoML 包。Scikit-Learn 提供了一些 A... Python Scikit-Learn 高级教程：自动化机器学习自动化机器学习是通过自动搜索和选择最佳模型及其超参数的过程，以简化机器学习任务的一种方法。Scikit-Learn 中提供了 AutoML 工具，本篇博客将详细介绍如何使用 AutoML 来自动化机器学习任务。 1. 安装 AutoML 包首先，确保你已经安装了相应的 AutoML 包。Scikit-Learn 提供了一些 A...
- Python Scikit-Learn 高级教程：高级模型在机器学习中，选择合适的模型是至关重要的。本篇博客将深入介绍 Scikit-Learn 中一些高级模型，包括集成学习方法、核方法、以及深度学习模型。我们将提供详细的代码示例，帮助你理解和应用这些高级模型。 1. 集成学习方法集成学习通过组合多个弱学习器的预测结果来构建一个强学习器，以提高模型的性能。在 Scikit-Learn 中，... Python Scikit-Learn 高级教程：高级模型在机器学习中，选择合适的模型是至关重要的。本篇博客将深入介绍 Scikit-Learn 中一些高级模型，包括集成学习方法、核方法、以及深度学习模型。我们将提供详细的代码示例，帮助你理解和应用这些高级模型。 1. 集成学习方法集成学习通过组合多个弱学习器的预测结果来构建一个强学习器，以提高模型的性能。在 Scikit-Learn 中，...
- 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 .
- FIN-Frontiers in Nutrition FIN-Frontiers in Nutrition
上滑加载中
推荐直播
-
大模型Prompt工程深度实践2025/02/24 周一 16:00-17:30
盖伦 华为云学堂技术讲师
如何让大模型精准理解开发需求并生成可靠输出？本期直播聚焦大模型Prompt工程核心技术：理解大模型推理基础原理，关键采样参数定义，提示词撰写关键策略及Prompt工程技巧分享。
回顾中 -
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
去报名
热门标签