IP屬地：福建
-
sklearn重的“特征選擇”方法
背景 為什么用進行特征選擇，個人理解主要包括以下幾個方面： 1、減少特征數量可以防止維度災難，降低算力的負擔，減少訓練時間； 2、增強模型泛化能...
-
淺談機器學習流程每當聽到當年趙本山和宋丹丹在2000年春晚演出的小品《鐘點工》總能一笑解千愁。工欲善其事必先利其器！一些看似復雜的事情，只要選對了方法或工具往往...
-
關于Pima數據集研究(5)--重刷DC(數據清洗)篇一、前情提要 該數據集最初來自美國國立糖尿病與消化與腎臟疾病研究所。數據集的目的是基于數據集中包含的某些診斷指標，診斷性的預測患者是否患有糖尿病...
-
讓Pandas更快的框架--Modin無意間發(fā)現一個很牛的小工具，在此記錄下來分享給大家，那就是號稱比原始的pandas快不止4倍的“Modin”。 git地址：https://gi...
-
機器學習樣本不均衡處理辦法今天我們聊一聊關于機器學習中數據不均衡的解決辦法。 一、類別樣本不均衡到底是啥？ 類別數據不均衡是分類任務中一個典型的存在的問題。簡而言之，即數...
-
關于Pima數據集研究(4)--Model(模型初探)篇重點說明，該章節(jié)為承上啟下章節(jié) 一、前情提要 該數據集最初來自美國國立糖尿病與消化與腎臟疾病研究所。數據集的目的是基于數據集中包含的某些診斷指標...
-
關于Pima數據集研究(3)--FE(特征工程)篇關于Pima數據集研究共分為4個篇幅來進行研究： 《關于Pima數據集研究(1)--EDA(探索性數據分析)篇》 《關于Pima數據集研究(2)...
-
關于Pima數據集研究(2)--DC(數據清洗)篇關于Pima數據集研究共分為4個篇幅來進行研究： 《關于Pima數據集研究(1)--EDA(探索性數據分析)篇》 《關于Pima數據集研究(2)...
-
關于Pima數據集研究(1)--數據探索分析 EDA篇關于Pima數據集研究共分為： 《關于Pima數據集研究(上)--EDA篇》 《關于Pima數據集研究(中)--DC&FE篇》 《關于Pima數...