Weka 平台提供了大量的回归算法。Weka 支持大量的机器学习算法是使用该平台最大的好处之一。在这篇文章中，您将了解如何在 Weka 中使用顶级的回归机器学习算法。阅读完这篇文章后，您将了解到： […]
在 Python 中使用 Keras 和 LSTM 循环神经网络进行时间序列预测
时间序列预测问题是一种困难的预测建模问题。与回归预测建模不同，时间序列还增加了输入变量之间序列依赖性的复杂性。一种能够处理序列依赖性的强大神经网络类型被称为循环神经网络。长短期记忆网络或 LSTM 网络 […]
如何在 Weka 中为机器学习模型估算基线性能
拥有机器学习问题的性能基准非常重要。它将为您提供一个参考点，您可以将所有其他构建的模型与之进行比较。在这篇文章中，您将了解如何使用 Weka 为机器学习问题开发性能基准。阅读之后 […]
使用 Keras 深度学习进行时间序列预测
时间序列预测是一个在框架和解决方面都非常困难的问题。在这篇文章中，您将了解如何使用 Keras 深度学习库在 Python 中开发用于时间序列预测的神经网络模型。阅读完这篇文章后，您将了解到：关于航空旅客单变量时间序列预测问题 […]
如何在 Weka 中评估机器学习算法的性能
预测建模的目的是创建在对新未见过数据进行预测时具有良好性能的模型。因此，使用健壮的技术来训练和评估您可用训练数据上的模型至关重要。模型性能的估计越可靠，您就可以在 […]
如何在 Weka 中使用机器学习算法
使用 Weka 平台的一个主要好处是它支持大量的机器学习算法。您可以尝试的算法越多，您对您的问题了解得就越多，并且可能越接近发现表现最好的一个或几个算法。在这篇文章中，您将 […]
8 个鼓舞人心的深度学习应用
说深度学习在各种困难的问题领域都取得了最先进的结果是一种夸张的说法。这是一个事实，但也包含了夸张。目前人工智能、机器学习和深度学习方面有很多令人兴奋的进展。这也是一个绝佳的机会，可以抓住一些非常强大的技术。 […]
如何在 Weka 中对机器学习数据进行特征选择
原始的机器学习数据包含多种属性，其中一些属性与进行预测相关。您如何知道使用哪些特征以及删除哪些特征？在数据中选择特征来建模您的问题的过程称为特征选择。在这篇文章中，您将了解如何执行特征选择 […]
深度学习课程
开始接触深度学习可能很困难。值得庆幸的是，许多大学已经免费开放了他们的深度学习课程资料，这对于您希望更好地理解深度学习基础知识时，是一个很好的起点。在这篇文章中，您将了解到您 […]
如何在 Weka 中处理机器学习数据中的缺失值
数据很少是干净的，而且常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非常重要，以获得最佳性能。在这篇文章中，您将了解如何使用 Weka 处理机器学习数据中的缺失值。之后 […]