首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
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
登录
注册
混沌鱼翅
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
3
文章 2
沸点 1
赞
3
返回
|
搜索文章
赞
文章( 2 )
沸点( 1 )
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。
探索决策树中的 Bagging 与 Boosting 技巧
1.背景介绍 决策树是一种常用的机器学习算法,它通过递归地划分特征空间来构建模型。决策树的一个主要优点是它的简单易理解,但是它在实际应用中的表现可能不是最优的。为了提高决策树的性能,许多改进方法被提出
关注了
16
关注者
0
收藏集
0
关注标签
7
加入于
2018-12-05