- 博客(4)
- 收藏
- 关注
RSS订阅原创 机器学习调优——Datawhale AI夏令营
本文总结了机器学习模型优化的四个层次：特征工程、模型改进、参数调优和阈值调整。文章重点介绍了特征工程的具体方法，包括： 通过RFM（最近行为时间、行为频率、行为价值）特征提取用户行为模式 用户行为计数等时序特征构建 类别特征编码技术（独热编码、标签编码、目标编码） 半监督学习中的伪标签生成策略 用户层和事件层分级建模方法 作者在task2中实践了增加用户操作次数特征和RFM特征，并建议根据项目阶段选择不同优化策略：初期快速建立baseline，中期专注特征工程和模型改进，长期进行机制创新。
2025-07-14 23:56:01
279
原创 人工智能（第三版）阅读笔记
弱人工智能：人造物是否使用与人类相同的方式执行任务无关紧要，唯一的标准就是程序能够正确执行。强人工智能：当人造物展现出智能行为时，它的表现应该基于与人类相同的方法。例如，考虑一个具有听觉的系统。弱人工智能的支持者仅仅关注系统的表现，而强人工智能（Strong AI）的支持者的目标在于，通过模拟人类听觉系统，使用相当于人类耳蜗、耳道、鼓膜和耳朵其他部分的部件（每个部件都可以在系统中执行其所需执行的任务）来成功地获得听觉。
2024-01-20 00:09:27
1486
1
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