档案 | Python 机器学习

Line Plot of Number of Cores Used During Training vs. Execution Speed

使用 Scikit-Learn 在 Python 中进行多核机器学习

作者： Jason Brownlee 发布于 2020 年 5 月 29 日分类于 Python 机器学习 65

许多计算密集型的机器学习任务可以通过将工作分配给多个 CPU 核心来实现并行化，这被称为多核处理。可以并行化的常见机器学习任务包括训练模型（如决策树的集成）、使用 k 折交叉验证等重采样程序评估模型以及调整模型超参数（如 […]

Automated Machine Learning (AutoML) Libraries for Python

Python 的自动化机器学习 (AutoML) 库

作者： Jason Brownlee 发布于 2020 年 5 月 12 日分类于 Python 机器学习 25

AutoML 提供工具，只需很少的用户干预即可自动发现适用于数据集的良好机器学习模型管道。它非常适合不熟悉机器学习的领域专家或希望快速为预测建模任务获得良好结果的机器学习从业者。现有开源库可用于将 AutoML 方法与流行的 Python […]

继续阅读

Combined Algorithm Selection and Hyperparameter Optimization (CASH Optimization)

结合算法选择和超参数优化（CASH优化）

作者： Jason Brownlee 发布于 2020 年 5 月 12 日分类于 Python 机器学习 6

机器学习模型的选择和配置可能是应用机器学习中最具挑战性的方面。必须进行受控实验，以便发现最适合特定分类或回归预测建模任务的方法。考虑到需要处理大量数据准备方案、学习算法和模型超参数，这可能会让人不知所措 […]

继续阅读

Hyperparameter Optimization With Random Search and Grid Search

使用随机搜索和网格搜索进行超参数优化

作者： Jason Brownlee 发布于 2020 年 9 月 19 日分类于 Python 机器学习 36

机器学习模型具有超参数，您必须进行设置才能根据您的数据集定制模型。模型的超参数的普遍影响通常是已知的，但如何最好地为给定数据集设置超参数和相互作用的超参数组合是一个挑战。通常存在一般的启发式方法或规则 […]

继续阅读

HyperOpt for Automated Machine Learning With Scikit-Learn

HyperOpt 用于带有 Scikit-Learn 的自动化机器学习

作者： Jason Brownlee 发布于 2020 年 9 月 7 日分类于 Python 机器学习 23

自动化机器学习 (AutoML) 指的是在用户很少参与的情况下，自动为预测建模任务发现高性能模型的技术。HyperOpt 是一个用于大规模 AutoML 的开源库，HyperOpt-Sklearn 是 HyperOpt 的一个包装器，它通过 HyperOpt 为流行的 Scikit-Learn 机器学习库（包括数据准备套件 […]

继续阅读

TPOT for Automated Machine Learning in Python

TPOT 用于 Python 上的自动化机器学习

作者： Jason Brownlee 发布于 2020 年 9 月 7 日分类于 Python 机器学习 41

自动化机器学习 (AutoML) 指的是在用户很少参与的情况下，自动为预测建模任务发现高性能模型的技术。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 […]

继续阅读

Auto-Sklearn for Automated Machine Learning in Python

Auto-Sklearn 用于 Python 上的自动化机器学习

作者： Jason Brownlee 发布于 2020 年 9 月 12 日分类于 Python 机器学习 75

自动化机器学习 (AutoML) 指的是在用户很少参与的情况下，自动为预测建模任务发现高性能模型的技术。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程序 […]

继续阅读