正确准备分类数据是机器学习的一个基础步骤，尤其是在使用线性模型时。独热编码（One Hot Encoding）作为一种关键技术，能够将分类变量转换为机器可理解的格式。本文将解释为什么不能直接使用分类变量，并演示独热编码在 [...] 中的使用。
在具有数值特征的线性回归中寻找最佳点
遵循奥卡姆剃刀原则，从简单入手通常能带来最深刻的见解，尤其是在构建预测模型时。在本文中，我们将使用 Ames Housing 数据集，首先找出那些本身就表现突出的关键特征。然后，我们将逐步叠加这些见解，观察它们如何共同 [...]
每个机器学习初学者都应该使用的免费工具
我们都经历过：开始是任何旅程中最艰难的部分。所以，开始进入机器学习领域也不会有任何不同。这就是为什么今天我想重点介绍一些每位初学者——或任何想开始学习机器学习的人——都应该使用的必备工具。Jupyter Notebook [...]
5个免费播客，揭秘机器学习概念
近年来，机器学习（ML）已成为一个热门词汇，其应用范围从语音助手到自动驾驶汽车。然而，对于许多人来说，这些技术背后的运作原理仍然是一个谜。播客提供了一种在不被压垮的情况下学习该领域知识的好方法。它们将复杂的概念分解成更简单的术语，让您 [...]
使用 LlamaIndex 构建一个简单的 RAG 应用程序
在本教程中，我们将探索检索增强生成（RAG）和 LlamaIndex AI 框架。我们将学习如何使用 LlamaIndex 构建一个基于 RAG 的应用程序，用于对私有文档进行问答，并通过整合内存缓冲区来增强该应用程序。这将使 LLM 能够使用来自 [...] 的上下文来生成响应。
顺序特征选择器在房价预测中的战略应用
为了更好地理解房价，我们模型的简洁性和清晰度至关重要。本文旨在展示如何通过简单而强大的特征选择和工程技术，来创建一个有效的、简单的线性回归模型。在处理 Ames 数据集时，我们使用顺序特征选择器（SFS）来识别 [...]
开始时间序列分析的5个技巧
作为一名机器学习工程师或数据科学家，您很可能需要处理时间序列数据。时间序列分析侧重于按时间索引的数据，例如股票价格、温度等。如果您已经熟悉机器学习基础知识，但对时间序列不熟悉，本指南将为您提供五个 [...]
从训练-测试到交叉验证：提升您的模型评估能力
许多初学者一开始会依赖训练-测试方法来评估他们的模型。这种方法很直接，似乎能清楚地表明模型在未见过的数据上的表现如何。然而，这种方法有时会导致对模型能力的不完整理解。在本博客中，我们将讨论为什么 [...] 很重要。
机器学习模型超参数调整技巧
如果您熟悉机器学习，您会知道训练过程允许模型学习表征它的参数（或模型系数）的最佳值。但是，机器学习模型也有一组超参数，您在训练模型时应该指定它们的值。那么，如何找到超参数的最佳值呢？[...]
整合 Scikit-Learn 和 Statsmodels 进行回归
统计学和机器学习都旨在从数据中提取见解，尽管它们的方法显著不同。传统统计学主要关注推断，使用整个数据集来检验假设并估计关于更大总体概率。相比之下，机器学习侧重于预测和决策，通常采用训练-测试拆分方法，模型从 [...] 中学习。