首页
首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
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
机器学习
AI阿远
创建于2023-03-01
订阅专栏
机器学习知识汇总专栏
暂无订阅
共7篇文章
创建于2023-03-01
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
Catboost算法简介
CatBoost算法 CatBoost是一种梯度提升树(GBDT)算法,由Yandex团队开发。它具有自适应学习率和类别特征处理,能够处理分类和回归问题,并在多个数据集上表现良好。
机器学习中的文本分类
当涉及到机器学习文本分类问题时,有许多关键技术可以应用。这些技术可以帮助从业者更好地理解问题的本质,并选择合适的方法来解决文本分类任务。 一、特征提取技术 在文本分类问题中,特征提取是一个重要的步骤,
轻量级梯度提升机算法(LightGBM):快速高效的机器学习算法
概述: LightGBM(Light Gradient Boosting Machine)是一种用于解决分类和回归问题的梯度提升机(Gradient Boosting Machine, GBM)算法。
XGBoost算法简介
XGBoost算法简介 XGBoost是一种高效的机器学习算法,它结合了梯度提升决策树(Gradient Boosting Decision Tree, GBDT)和正则化方法。
集成学习到底是什么?如何入门集成学习?
集成学习是一大类模型融合策略和方法的统称,其中包含多种集成学习的思想。集成学习一般可分为以下3个步骤。 (1)找到误差互相独立的基分类器。 (2)训练基分类器。 (3)合并基分类器的结果。
机器学习中的特征工程
特征工程,顾名思义,是对原始数据进行一系列工 程处理,将其提炼为特征,作为输入供算法和模型 使用。从本质上来讲,特征工程是一个表示和展现 数据的过程。
机器学习的优化算法
为了充分利用凸优化中一些高效、成熟的优化方法,比如共轭梯度、拟牛顿法等,很多机器学习方法都倾向于选择合适的模型和损失函数,以构造一个凸函数作为优化目标。但也有很多模型(比如神经网络)的优化目标