- 博客(2)
- 收藏
- 关注
RSS订阅原创 第二节 机器学习基本方法
一. 模型评估与模型参数选择1. 模型评估的重要性2. 模型参数选择的方法3. 数据集的划分4. 过拟合与欠拟合5. 模型评估与参数选择的实践二 .监督学习1. 监督学习与无监督学习的差别2. 监督学习中的回归问题3. 监督学习中的分类问题4. 模型评估与选择5. 机器学习基础知识的总结三.线性回归模型 1. 线性回归模型介绍2. 线性回归模型原理3. 线性回归模型的训练方法4. 损失函数的定义与优化5. 线性回归模型的可视化分析6. 线性回归模型的代码实现
2024-09-17 23:19:21
388
原创 机器学习概述
1.明确分析目标，2.数据收集，3.数据预处理，4.建模分析，5.结果评估，6.部署使用以及学习更新。1.明确分析目标：客观反映用户需求，通过对各类人群的深入分析，为相关部门制订资费、服务、市场 策略提供基础。2.数据收集：收集相关的数据，充足、全面的高质量数据是机器学习的基础。3.数据预处理：数据可能存在着噪声、不一致、异常、个人隐私保护等各类 问题。为保证数据的质量，必要的数据治理是需要的。4.建模分析：此阶段是机器学习的核心部分，使用精巧复杂的分析方法从数据中提取知识。
2024-09-08 21:54:53
1658
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