作者归档 | Jason Brownlee

在预测建模问题上建立基线性能非常重要。基线为您后续评估的更高级方法提供了一个比较点。在本教程中，您将学习如何在 Python 中从零开始实现基线机器学习算法。完成本教程后，您将知道：如何实现 [...]

在您进行预测后，您需要知道它们是否足够好。有一些标准的衡量标准可以用来总结预测集的好坏程度。了解预测集的好坏程度，可以帮助您估计您的某个机器学习模型 [...]

预测建模的目标是创建能够对新数据做出良好预测的模型。我们在训练时无法访问这些新数据，因此我们必须使用统计方法来估计模型在新数据上的性能。这一类方法被称为重采样方法，因为它们 [...]

许多机器学习算法都期望数据得到一致的缩放。在为机器学习缩放数据时，您应该考虑两种流行的方法。在本教程中，您将了解如何在 Python 中从零开始重新缩放您的数据。阅读本教程后，您将知道：如何从零开始标准化您的数据 [...]

在使用数据训练机器学习模型之前，您必须知道如何加载数据。刚开始时，最好使用标准的 CSV（逗号分隔值）文件格式的小型内存数据集。在本教程中，您将学习如何在 Python 中加载您的数据 [...]