首页
博客
源码
资源
博客
源码
写文章
发布博客
发布资源
登录
X
机器学习
相关资讯
热门
最新
后端
01-01 08:00
后端
机器学习D2--Encoding:机器学习中类别变量的编码方法总结
这篇文章主要介绍一下encoding的几种类型。以下是一个最基础的分类: 什么是catergorical data 当一个数据的特征是有限的离散变量时,它分为Nominal, Ordinal and...
104
后端
01-01 08:00
后端
机器学习-特征提取-字典特征提取-文本特征提取-TF-IDF
一、特征提取概要: 1、定义:将任意数据(如文本或图像)转换为可用于机器学习的数字特征。 注:特征值化是为了计算机更好的去理解数据。 2、特征提取分类: 字典特征提取(特征离散化) 文本特征提取 图...
110
后端
01-01 08:00
后端
机器学习-特征工程基础
一、特征处理 1.1 类别型特征类别型特征(Categorical Feature)主要是指性别(男、女)、血型(A、B、 AB、O)等只在有限选项内取值的特征。类别型特征原始输入通常是字符串形式,...
144
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
91
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
107
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
84
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
99
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
108
后端
01-01 08:00
后端
机器学习 - k-means聚类
机器学习 - k-means聚类,机器学习-k-means聚类k-means简介k-means是无监督学习下的一种聚类算法,简单说就是不需要数据标签,仅靠特征值就可以将数据分为指定的几类。k-means算法的核心就是通过计算每个数据点与k个质心(或重心)之间的距离,找出与各质心距离最近的点,并将这些点分为该质心所在的簇,从而实现聚类的效果。k-means具体步骤1.指定要把数据聚为几类,确定k值;
142
后端
01-01 08:00
后端
机器学习 - 线性回归与逻辑回归
机器学习 - 线性回归与逻辑回归,机器学习-线性回归与逻辑回归什么是线性回归?根据样本数据的分布特点,通过线性关系模拟数据分布趋势,从而进行预测。对于下图来说,样本点的连线大致接近于一条直线,所以就可以将函数模拟成线性方程。设f(x)=wx+b,所以只要求出w和b,就可以得到x与y的关系,从而能够根据x预测出对应的y。要求w和b,只能借助于现有的数据样本。因为存在误差,这条直线不可能穿过所有的样本
157
«
1
2
3
4
5
6
»