作者归档 | Jason Brownlee

使用 Weka 平台的一大好处是支持大量的机器学习算法。您能尝试的算法越多，您就能越多地了解您的问题，并且更有可能发现一种或几种表现最佳的算法。在本帖中，您将 […]

原始机器学习数据包含各种属性，其中一些属性与进行预测相关。您如何知道使用哪些特征，又该删除哪些特征？选择数据中用于建模的特征的过程称为特征选择。在本帖中，您将了解如何执行特征选择 […]

数据很少是干净的，通常会有损坏或缺失的值。在开发机器学习模型时，识别、标记和处理缺失数据以获得最佳性能非常重要。在本帖中，您将使用 Weka 了解如何处理机器学习数据中的缺失值。阅读之后 […]

通常，您的机器学习原始数据并非理想的建模形式。您需要对其进行准备或重塑，以满足不同机器学习算法的期望。在本帖中，您将了解两种可用于准备机器学习数据以进行建模的技术。阅读此文后 […]

机器学习算法会对您正在建模的数据集做出假设。通常，原始数据由具有不同尺度的属性组成。例如，一个属性可能是公斤，另一个可能是计数。虽然不是必需的，但通过仔细选择重新缩放数据的方法，您通常可以提高性能。在 […]