首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
jacksu在掘金
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
6
文章 6
沸点 0
赞
6
返回
|
搜索文章
最新
热门
机器学习实战-数据探索(异常值处理)
通常,我们倾向于在构建模型时忽略异常值,这不是一个明智的做法, 异常值使数据偏移并降低准确性,在此让我们进一步了解异常处理。
机器学习实战-数据探索(缺失值处理)
训练数据集中缺少的数据可以减少模型的拟合,或者可能导致模型偏差,因为没有正确地分析变量的行为和关系,可能导致错误的预测或分类。
机器学习实战-数据探索
数据的输入质量决定了输出的最后结果,数据的探索、预处理、特征选择、降维等特征工程占了项目的70%的时间。那么如果我们确定了商业目的,该如何一步一步渐进式进行特征工程呢?各位看官不急,请小的慢慢给你道来。
机器学习资料整理和实践
该工程主要包含机器学习学习过程中收集的相关资料和实践代码。
特征选择
当数据预处理完成后,我们需要选择有意义的特征,输入机器学习的算法模型进行训练。
数据预处理
通过特征提取,我们能得到未经处理的特征,必须经过数据预处理。
使用python机器学习六(scikit-learn实战)
上一篇《使用python机器学习(五)-scikit-learn》简单介绍了scikit-learn的基本知识,此文主要通过一个公开数据集,使用scikit-learn进行实战,其中会使用到numpy、pandas、matplotlib等,可以参考前面的文章。
个人成就
文章被点赞
62
文章被阅读
4,251
掘力值
225
关注了
5
关注者
6
收藏集
0
关注标签
4
加入于
2016-09-04