自动化机器学习（AutoML）是指在极少用户参与的情况下，自动为预测建模任务发现表现良好的模型的技术。TPOT 是一个用于在 Python 中执行 AutoML 的开源库。它利用流行的 Scikit-Learn 机器学习库进行数据转换和机器学习算法，并使用遗传编程随机全局 [...]
Auto-Sklearn 用于 Python 上的自动化机器学习
自动化机器学习（AutoML）是指在极少用户参与的情况下，自动为预测建模任务发现表现良好的模型的技术。Auto-Sklearn 是一个用于在 Python 中执行 AutoML 的开源库。它利用流行的 Scikit-Learn 机器学习库进行数据转换和机器学习算法，并使用贝叶斯优化搜索过程 [...]
Scikit-Optimize 用于机器学习中的超参数调优
超参数优化是指执行搜索以发现导致模型在特定数据集上获得最佳性能的一组特定模型配置参数。有许多方法可以进行超参数优化，尽管现代方法，例如贝叶斯优化，既快速又有效。Scikit-Optimize 库是 [...]
如何使用 AutoKeras 进行分类和回归
AutoML 指的是在极少用户参与的情况下，自动为给定数据集发现表现最佳的模型的技术。当应用于神经网络时，这涉及到发现模型架构和用于训练模型的超参数，通常称为神经架构搜索。AutoKeras 是一个用于执行深度学习模型 AutoML 的开源库。搜索 [...]
深度学习的多标签分类
多标签分类涉及预测零个或多个类标签。与类标签互斥的正常分类任务不同，多标签分类需要支持预测多个互不排斥的类或“标签”的专门机器学习算法。深度学习神经网络是原生支持多标签分类问题的算法的一个例子。神经网络模型用于 [...]
用于多输出回归的深度学习模型
多输出回归涉及预测两个或多个数值变量。与为每个样本预测单个值的正常回归不同，多输出回归需要支持为每个预测输出多个变量的专门机器学习算法。深度学习神经网络是原生支持多输出回归问题的算法的一个例子。神经网络模型 [...]
在 Python 中使用 Prophet 进行时间序列预测
时间序列预测可能具有挑战性，因为有许多不同的方法可供选择，并且每种方法都有许多不同的超参数。Prophet 库是一个开源库，旨在对单变量时间序列数据集进行预测。它易于使用，并旨在自动找到一组良好的超参数 [...]
如何在NumPy中为行和列设置轴
NumPy 数组提供了在 Python 中存储和操作数据的快速有效的方式。它们对于将数据表示为机器学习中的向量和矩阵特别有用。可以通过列和行索引直接访问 NumPy 数组中的数据，这相当直接。尽管如此，有时我们必须对数组执行操作 [...]
用于比较机器学习算法的假设检验
机器学习模型的选择基于其平均性能，通常使用 k 折交叉验证进行计算。平均性能最佳的算法预计会优于平均性能较差的算法。但如果平均性能的差异是由统计上的偶然造成的呢？解决方案是使用 [...]
如何用Python计算偏差-方差权衡
机器学习模型的性能可以根据模型的偏差和方差来表征。高偏差模型对映射数据集中的输入到输出的未知底层函数的形式做了强烈的假设，例如线性回归。高方差模型是 [...]