关键词：

使用optuna为机器学习模型挑选最优参数进行模型构建实战

使用optuna为机器学习模型挑选最优参数进行模型构建实战目录使用optuna为机器学习模型挑选最优参数进行模型构建实战Optuna是什么 查看详情

对比学习:《深度学习之pytorch》《pytorch深度学习实战》+代码

...Torch的功能。通过学习《深度学习入门之PyTorch》，可以从机器学习和深度学习的基础理论入手，从零开始学习PyTorch，了解PyTorch基础，以及如何 查看详情

keras深度学习实战（35）——构建机器翻译模型(代码片段)

Keras深度学习实战（35）——构建机器翻译模型0.前言1.模型与数据集分析1.1模型分析1.2数据集分析2.实现机器翻译模型2.1预处理数据2.2传统多对多架构2.3使用具有多个隐藏层的模型架构小结系列链接0.前言我们已经学习了... 查看详情

机器学习脉络梳理

参数参数分为两种：可学习得到的参数，和超参数。机器学习可以归结为学习一个映射函数f:x→y，将输入变量x映射为输出变量y。一般我们可以假设映射函数为y=f(x,θ)。其中θ即为函数的参数。参数可以通过学习算法进行学习。... 查看详情

machinelearning学习目录

AI学习开源项目1.机器学习初识2.支持向量机(supportvectormachines,SVM)实战来源于：AurelienGeron的《机器学习实战 基于Scikit-Learn、Keras和TensorFlow(第2版)》书本中样例代码的github地址1.幸福感和金钱的关系--利用线性回归模型、k-近邻... 查看详情

keras深度学习实战——基于编码器-解码器的机器翻译模型(代码片段)

Keras深度学习实战——基于编码器-解码器的机器翻译模型0.前言1.模型与数据集分析1.1数据集分析1.2模型分析2.基于编码器-解码器结构的机器翻译模型2.1基于编码器-解码器体系结构2.2基于注意力机制的编码器-解码器体系结构小结... 查看详情

机器学习实战——训练模型(代码片段)

本章从线性回模型开始介绍两种不同的训练模型的方法：通过“闭式”方程，直接计算出最拟合训练集的模型参数（也就是使训练集上的成本函数最小化的模型参数）使用迭代优化的方法，即梯度下降，逐... 查看详情

深度学习建模预测全流程（python）！

...下anaconda包，自带有常用的python库）一、基础介绍机器学习机器学习的核心是通过模型从数据中学习并利用经验去决策。进一步的，机器学习一般可以概括为：从数据出发，选择某种模型，通过优化算法更... 查看详情

机器学习实战精读--------回归

回归的目的是预测数值型的目标值神经网络学习机理：分解和整合回归：求回归系数的过程最小二乘法：它的主要思想就是选择未知参数，使得理论值与观测值之差的平方和达到最小欠拟合：模型没有很好地捕捉到数据特征，不... 查看详情

r语言使用dalex包对h2o包构建的机器学习模型进行解释分析：总结及实战

R语言使用DALEX包对h2o包构建的机器学习模型进行解释分析：总结及实战 目录R语言使用DALEX包对h2o包构建的机器学习模型进行解释分析：总结及实战< 查看详情

keras深度学习实战（34）——构建聊天机器人(代码片段)

Keras深度学习实战（34）——构建聊天机器人0.前言1.模型与数据集分析1.1命名实体识别1.2数据集分析1.3模型分析2.实现聊天机器人2.1命名实体提取模型2.2意图提取模型2.3模型整合小结系列链接0.前言随着自然语言处理技术... 查看详情

机器学习实战3：基于朴素贝叶斯实现单词拼写修正器(附python代码)

...2.2语言模型建模2.3误差模型建模3单词修正测试0写在前面机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量... 查看详情

机器学习hmm模型算法实例(代码片段)

目录1前向算法求HMM观测序列的概率1.1流程梳理1.2算法总结1.3HMM前向算法求解实例1.4用后向算法求HMM观测序列的概率1.4.1流程梳理1.4.2后向算法流程1.5小结2维特比算法解码隐藏状态序列2.1HMM最可能隐藏状态序列求解概述2.2维特比算... 查看详情

机器学习工作流程与模型调优

上一讲中主要描述了机器学习特征工程的基本流程，其内容在这里：机器学习（一）特征工程的基本流程本次主要说明如下：　　1）数据处理：此部分已经在上一节中详细讨论　　2）特征工程：此部分已经在上一节中详细讨论... 查看详情

python使用灰狼算法（greywolfoptimization(gwo)algorithm）构建优化器获取机器学习模型最优超参数组合拟合最佳模型实战+代码

Python使用灰狼算法（GreyWolfOptimization(GWO)Algorithm）构建优化器获取机器学习模型最优超参数组合、拟合最佳模型、实战+代码目录 查看详情

机器学习实战基础：创建多项式回归器(代码片段)

简介线性回归模型有一个主要的局限性，那就是它只能把输入数据拟合成直线，而多项式回归模型通过拟合多项式方程来克服这类问题，从而提高模型的准确性。准备工作  从图1-6中可以看到，数据点本身的模式中带有自... 查看详情

python使用模拟退火（simulatedannealing）算法构建优化器获取机器学习模型最优超参数组合（hyperparameter）实战+代码

Python使用模拟退火（SimulatedAnnealing）算法构建优化器获取机器学习模型最优超参数组合（hyperparameter）实战+代码目录 查看详情

机器学习：机器学习工作流程(代码片段)

文章目录机器学习工作流程一、什么是机器学习二、机器学习工作流程1、获取到的数据集介绍2、数据基本处理3、特征工程4、机器学习5、模型评估机器学习工作流程一、什么是机器学习机器学习是从数据中自动分析获得模型... 查看详情