档案 | Python 机器学习

Linux 是一个优秀的 Python 机器学习开发环境。工具可以快速轻松地安装，并且您可以直接开发和运行大型模型。在本教程中，您将了解如何为 Python 机器学习创建和设置 Linux 虚拟机。完成本教程后，您将了解： […]

你应该为工作选择合适的工具。您正在进行的具体预测建模问题应该决定要使用的具体编程语言、库甚至机器学习算法。但是，如果您刚刚开始并正在寻找一个学习和实践机器学习的平台呢？在这篇文章中，[…]

从开发者到机器学习实践者，只需 14 天 Python 是应用机器学习增长最快的平台之一。在本精简课程中，您将了解如何开始，构建准确的模型，并在 14 天内自信地完成使用 Python 进行的预测建模机器学习项目。这是一篇重要且内容丰富的文章。你 […]

找到一个准确的机器学习模型并不是项目的终点。在这篇文章中，您将了解如何使用 scikit-learn 在 Python 中保存和加载您的机器学习模型。这允许您将模型保存到文件，并在以后加载它以进行预测。让我们开始吧。更新于 2017 年 1 月：[…]

机器学习项目中存在可以自动化的标准工作流程。在 Python scikit-learn 中，Pipelines 有助于清晰地定义和自动化这些工作流程。在这篇文章中，您将了解 scikit-learn 中的 Pipelines 以及如何自动化常见的机器学习工作流程。让我们开始吧。更新于 2017 年 1 月：更新以反映 […]

集成模型可以提高您数据集的准确性。在这篇文章中，您将了解如何使用 scikit-learn 在 Python 中创建一些最强大的集成模型。此案例研究将引导您完成 Boosting、Bagging 和 Majority Voting，并向您展示如何继续提高 […]

一致地比较多个不同机器学习算法的性能非常重要。在这篇文章中，您将了解如何使用 scikit-learn 在 Python 中创建测试框架来比较多个不同的机器学习算法。您可以在自己的机器学习问题上将此测试框架用作模板，并添加 […]

抽样检查是发现哪些算法最适合您机器学习问题的一种方法。您无法预先知道哪些算法最适合您的问题。您必须试用多种方法，并将注意力集中在那些被证明最有希望的方法上。在这篇文章中，您将了解 6 种机器学习 […]

抽样检查是发现哪些算法最适合您机器学习问题的一种方法。您无法预先知道哪些算法最适合您的问题。您必须试用多种方法，并将注意力集中在那些被证明最有希望的方法上。在这篇文章中，您将了解 6 种机器学习 […]

用于评估机器学习算法的指标非常重要。指标的选择会影响如何衡量和比较机器学习算法的性能。它们会影响您对结果中不同特征重要性的权衡，以及您最终选择哪种算法。在这篇文章中，您 […]