档案 | Python 机器学习

本文将引导您使用 Streamlit 部署一个用于回归的简单机器学习（ML）模型。这个新颖的平台简化了将机器学习系统等产物部署为网络服务的过程。一瞥正在部署的模型：这篇操作指南文章的重点是展示拥有一个机器学习模型的步骤 [...]

半监督学习是一个涉及少量有标签样本和大量无标签样本的学习问题。这类学习问题具有挑战性，因为无论是监督学习还是无监督学习算法都无法有效利用混合了有标签和无标签的数据。因此，专门的半监督学习算法 [...]

对于预测性建模，机器学习模型的性能通常会随着数据集大小的增加而提高。这取决于具体的数据集和模型的选择，尽管这通常意味着使用更多数据可以带来更好的性能，而且使用较小数据集估算模型性能所得出的发现通常可以扩展到使用较大数据集的情况。 [...]

回归是指涉及预测数值的预测性建模问题。它不同于涉及预测类别标签的分类问题。与分类不同，您不能使用分类准确率来评估回归模型做出的预测。相反，您必须使用专门为评估回归问题预测而设计的误差指标。在 [...]

应用机器学习通常专注于找到在给定数据集上表现良好或最佳的单个模型。要有效使用模型，需要对输入数据进行适当的准备，并对模型进行超参数调整。总的来说，准备数据、调整模型和转换 [...] 所需的线性步骤序列

半监督学习指的是试图同时利用有标签和无标签训练数据的算法。半监督学习算法不同于只能从有标签训练数据中学习的监督学习算法。半监督学习的一种流行方法是创建一个图，连接训练数据集中的样本，并传播 [...]

多项逻辑回归是逻辑回归的扩展，增加了对多类别分类问题的原生支持。逻辑回归默认仅限于二分类问题。一些扩展方法，如一对多（one-vs-rest），可以使逻辑回归用于多类别分类问题，但这需要首先将分类问题转换为多个二元 [...]

半监督学习指的是试图同时利用有标签和无标签训练数据的算法。半监督学习算法不同于只能从有标签训练数据中学习的监督学习算法。半监督学习的一种流行方法是创建一个图，连接训练数据集中的样本，并传播 [...]

感知器是一种用于二元分类任务的线性机器学习算法。它可以被认为是最早、最简单的人工神经网络类型之一。它绝对不是“深度”学习，但却是一个重要的构建模块。与逻辑回归一样，它可以快速学习特征空间中的线性分离 [...]

PyCaret 是一个 Python 开源机器学习库，旨在简化机器学习项目中的标准任务。它是 R 语言中 Caret 机器学习包的 Python 版本，之所以受欢迎，是因为它只需几行 [...] 代码就可以在给定数据集上评估、比较和调整模型。