机器学习的特征选择
在搭建机器学习模型时,通过特征选择选择高质量的特征,不仅可以减少干扰,还可以降低计算量
在搭建机器学习模型时,通过特征选择选择高质量的特征,不仅可以减少干扰,还可以降低计算量
数据输入机器学习模型前,需要先进行归一化或标准化,以便统一不同特征的量纲,加快学习速度
在搭建机器学习模型时,除了对目标计算损失外,还可对参数加入约束,以使得模型泛化能力更强
本文主要解决如何选择更好的模型问题,通常办法是交叉验证,文章最后也介绍了参数搜索的办法
机器学习模型保存方法
进行机器学习建模前的操作,其目地是确保模型能从数据中学到知识,包括去噪声、去冗余 (共线性)、降维以及样本数量处理
机器学习中,对数据进行处理时,遇到噪声、异常值的处理方法