稀土掘金 稀土掘金
  • 首页
    • 首页
    • 沸点
    • 课程
    • 直播
    • 资讯
    • 活动
    • 开放社区
      商城
      APP
      插件
      • 搜索
        搜索历史 清空
        • 写文章
        • 发沸点
    • vip-presale
      掘金会员预售 5.16-6.16
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
  • 全部
  • 人工智能
  • 深度学习
  • 算法
  • 机器学习
  • NLP
  • 计算机视觉
  • Python
  • 神经网络
  • PyTorch
  • 展开
  • 推荐
  • 最新
  • 热榜
  • 皮大大
    5天前
    机器学习
    机器学习高频使用代码片段
    大家好,我是Peter~ 本文记录的是个人高频使用的数据分析和机器学习代码片段,包含的主要内容: pandas设置 可视化 jieba分词 缺失值处理 特征分布 数据归一化 上下采样 回归与分类模型
    • 549
    • 3
    • 评论
    机器学习高频使用代码片段
  • 繁间不授梦
    7天前
    机器学习
    端到端机器学习项目-加州房价预测(三)
    本篇增加了创建数据测试集的方法,同时我们也不再只是快速浏览数据,而是要深入数据探索。让我们能够以可视化的方式,去寻找更多规律。
    • 593
    • 2
    • 评论
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | 机器学习特征工程最全解读
    本篇内容给大家详细讲解了特征工程的知识,包括数据清洗(数据对齐、缺失值处理、异常值处理),特征构建,特征变换,特征选择与实战特征工程经验等内容。
    • 8492
    • 4
    • 评论
    机器学习实战 | 机器学习特征工程最全解读
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | SKLearn最全应用指南
    本篇内容详解scikit-learn工具库的用法,覆盖机器学习基础知识、SKLearn讲解、SKLearn三大核心API、SKLearn高级API等内容。
    • 8329
    • 7
    • 评论
    机器学习实战 | SKLearn最全应用指南
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | XGBoost建模应用详解
    本篇内容详细讲解XGBoost的工程应用方法。XGBoost是一个非常强大的Boosting算法工具包,是很多大厂机器学习方案的模型首选,在并行计算效率、缺失值处理、控制过拟合等能力上都表现非常优秀。
    • 7639
    • 5
    • 评论
    机器学习实战 | XGBoost建模应用详解
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | LightGBM建模应用详解
    本篇详细讲解LightGBM的工程应用方法。LightGBM是微软开发的boosting集成模型,和XGBoost一样是对GBDT的优化和高效实现,但它很多方面比XGBoost有着更为优秀的表现。
    • 7572
    • 5
    • 评论
    机器学习实战 | LightGBM建模应用详解
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | Python机器学习算法应用实践
    本篇文章详解机器学习应用流程,应用在结构化数据和非结构化数据(图像)上,借助案例重温机器学习基础知识,并学习应用机器学习解决问题的基本流程。
    • 7538
    • 3
    • 评论
    机器学习实战 | Python机器学习算法应用实践
  • 繁间不授梦
    4天前
    机器学习
    端到端机器学习项目-加州房价预测(四)
    我们为数据处理编写函数,以备后面我们可以重复使用。了解Scikit-Learn的优秀设计原则。最后我们还使用流水线处理好了有问题的数据集。
    • 106
    • 1
    • 评论
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | AutoML自动化机器学习建模
    本篇介绍工具库FLAML。FLAML 由 Microsoft Research 开发,适用于AutoML自动化机器学习建模,构建端到端机器学习流程、解决实际场景问题。
    • 6434
    • 5
    • 评论
    机器学习实战 | AutoML自动化机器学习建模
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | 自动化特征工程工具Featuretools应用
    本篇讲解使用自动化特征工程工具Featuretools,对数据进行自动化特征工程的方法,并借助于BigMart Sales数据集来演示自动化特征工程的相关应用。
    • 6324
    • 5
    • 评论
    机器学习实战 | 自动化特征工程工具Featuretools应用
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | 综合项目-电商销量预估进阶方案
    本篇内容是Kaggle数据科学竞赛Rossmann store sales解决方案的进阶版本,整体方案包括探索性数据分析、缺失值处理、特征工程、基准模型与评估、XGBoost建模与调优等完整板块。
    • 6153
    • 10
    • 评论
    机器学习实战 | 综合项目-电商销量预估进阶方案
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战:手把手教你玩转机器学习系列
    Python机器学习实战系列教程,以案例和代码驱动的方式,帮助大家学习机器学习算法应用流程和各个链条环节,掌握构建场景建模解决方案并进行效果调优的能力。
    • 6014
    • 5
    • 评论
    机器学习实战:手把手教你玩转机器学习系列
  • ChangJiahong
    8天前
    机器学习
    机器学习,兵王问题,支持向量机SVM,交叉验证求C和gamma
    读取数据 增加表头 格式化数据 数据归一化 切割输入数据和输出数据 分割训练数据和测试数据 讲y转化成一维数据 测试训练 ⾸先需要对C和Gamma两个参数的取值进⾏初步搜索,c的取值范围是:2^-5-
    • 335
    • 1
    • 评论
    机器学习,兵王问题,支持向量机SVM,交叉验证求C和gamma
  • ShowMeAI
    2月前
    机器学习 人工智能
    机器学习实战 | 综合项目-电商销量预估
    本篇内容基于Kaggle数据科学竞赛Rossmann store sales,梳理和总结基于Python解决电商建模的全过程:包括数据探索分析、数据预处理与特征工程、建模与调优。
    • 5402
    • 4
    • 评论
    机器学习实战 | 综合项目-电商销量预估
  • 繁间不授梦
    9天前
    机器学习
    端到端机器学习项目-加州房价预测(二)
    继续补充了数据探索的方法,了解使用标识符的方法分割训练集和测试集。但是我们现在只有纯随机的分割,是否有更加好的分割方法呢?
    • 257
    • 4
    • 评论
  • Rosen_
    9天前
    机器学习
    机器学习入门(三)之 梯度下降法
    本文已参与「新人创作礼」活动,一起开启掘金创作之路。 简介: 梯度下降法(Gradient Descent)严格地说其实不能算是一种机器学习的算法,而是属于一种优化算法,其目的在于基于搜索最小化一个损
    • 345
    • 2
    • 评论
    机器学习入门(三)之 梯度下降法
  • Detection
    15天前
    机器学习
    ML - Logistic Regression Research
    Logistic Regression Research 这篇文章旨在梳理一下逻辑回归,因为其简单、实用、高效,在业界应用十分广泛。注意咯,这里的“逻辑”是音译“逻辑斯蒂(logistic)”的缩写,
    • 652
    • 2
    • 评论
    ML - Logistic Regression Research
  • ShowMeAI
    2月前
    机器学习 算法
    图解机器学习 | XGBoost模型详解
    XGBoost一个非常强大的Boosting算法工具包,本文讲解XGBoost的算法原理和工程实现,包括回归树、集成、Gradient Boosting详细步骤、缓存访问等重点知识。
    • 5126
    • 2
    • 评论
    图解机器学习 | XGBoost模型详解
  • 皮大大
    19天前
    Kaggle 机器学习
    kaggle实战:极度不均衡的信用卡数据分析
    大家好,我是Peter~ 今天给大家带来一篇新的kaggle文章:极度不均衡的信用卡数据分析,主要内容包含: 理解数据:通过直方图、箱型图等辅助理解数据分布 预处理:归一化和分布情况;数据分割 随机采
    • 779
    • 1
    • 评论
  • sec0nd
    7天前
    机器学习
    数据投毒攻防对抗技术-2.推荐系统中的数据投毒
    本文已参与「新人创作礼」活动,一起开启掘金创作之路。 问题背景 研究背景 我们身处在一个信息爆炸的时代,从看书看报,到看直播、刷微博、短视频,信息的体量越加庞大,信息呈现的形式越加丰富。我们享受信息便
    • 213
    • 1
    • 评论
  • 早上好!
    点亮你在社区的每一天
    下载稀土掘金APP
    一个帮助开发者成长的社区
    下载稀土掘金APP
    一个帮助开发者成长的社区
    • 稀土掘金漫游指南
    • 安装掘金浏览器插件
    • 前往掘金翻译计划
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 站点地图
    • 使用指南
    • 友情链接
    • 更多人工智能文章
    • 京ICP备18012699号-3
    • police 京公网安备11010802026719号
    • 版权所有:北京北比信息技术有限公司
    • 公司地址:北京市海淀区信息路甲28号13层B座13B-5
    • 公司座机:010-83434395
    • 举报邮箱: feedback@xitu.io
    • ©2022 稀土掘金
    • 微博
    • 微信
      微信扫一扫