机器学习——模型评价
概述 在机器学习中，模型评价是评估和比较不同模型性能的关键步骤之一。它是通过对模型的预测结果与真实标签进行比较，从而量化模型的预测能力、泛化能力和稳定性。模型评价旨在选择最佳的模型，理解模型的行为，并为模型的改进提供指导。 本文将介绍机器学习中常用的模型评价方法，包括基本流程、常见的评价指标以及这些评价方法的优缺点。此外，将使用Python实现这些模型评价方法，并通过可视化展示评价结果。 基本流程 机器...
R语言: mlr3机器学习--生存分析
在mlr3vers中，还可以进行生存分析。关于生存分析的理论内容请参考以前的推文。 1、加载R包 library("mlr3verse")library("mlr3proba")library("survival") 2、设定任务 task = as_task_surv(survival::rats, time = "time", event = "status", id = "rats") task...
机器学习算法
机器学习算法是人工智能领域中的核心组成部分，它们使计算机能够通过数据学习并做出决策或预测。这些算法通常分为几大类，包括监督学习、无监督学习、半监督学习和强化学习。以下是一些常见的机器学习算法及其简要介绍： ### 监督学习算法 1. **线性回归（Linear Regression）**： - 用于预测连续值输出，通过拟合数据点的最佳直线来建立输入特征和输出结果之间的关系。 2. **逻辑回归（Lo...
机器学习——模型融合：Stacking算法
机器学习——模型融合：Stacking算法 在机器学习中，模型融合是一种常用的方法，它可以提高模型的泛化能力和预测性能。Stacking算法（又称为堆叠泛化）是一种强大的模型融合技术，它通过组合多个基本分类器的预测结果来产生最终的预测结果。本文将介绍Stacking算法的核心思想、基本流程、常见的Stacking方法以及其优缺点，并用Python实现算法并进行结果可视化。 1. Stacking算法核心...
机器学习——模型融合：Blending算法
机器学习——模型融合：Blending算法 在机器学习领域，模型融合（Ensemble Learning）是一种强大的技术，通过结合多个模型的预测结果来提高模型性能。Blending算法是模型融合的一种常见方法，它利用一个或多个基本模型进行预测，然后使用另一个模型（元模型）将这些基本模型的预测结果结合起来。在本文中，将介绍Blending算法的核心思想、基本流程、常见的Blending方法以及其优缺点，...
政安晨：【Keras机器学习实践要点】（十五）—— KerasTuner 简述
目录 导言 调整模型结构 定义搜索空间 开始搜索 查询结果 重新训练模型 调整模型训练 调整数据预处理 重新训练模型 指定调整目标 以内置指标为目标 以自定义指标为目标 调整端到端工作流程 将 Keras 代码分开 使用 KerasTuner 调整模型超参数的基础知识。 导言 KerasTuner 是一个通用超参数调整库。它与 Keras 工作流集成度很高，但并不局限于 Keras 工作流：你可以用它来调...
机器学习——典型的卷积神经网络
机器学习——典型的卷积神经网络 卷积神经网络（Convolutional Neural Networks，CNNs）是一类在图像处理领域应用广泛的深度学习模型。它通过卷积操作和池化操作来提取图像的特征，并通过全连接层来进行分类或回归任务。在本文中，我们将介绍三种典型的卷积神经网络：LeNet-5、AlexNet和ResNet，并用Python实现这些算法。 1. LeNet-5 LeNet-5是由Yan...
使用 Python 构建第一个 CNN 机器学习模型的完整指南
在这篇博文中，我们将逐步介绍如何使用 Python 构建第一个卷积神经网络 (CNN) 机器学习模型。由于 CNN 能够捕获数据中的空间层次结构，因此被广泛用于图像识别和分类任务。 第1步：导入必要的库 首先，让我们导入构建 CNN 模型所需的库： import numpy as npimport matplotlib.pyplot as pltfrom keras.models import Se...
机器学习模型：决策树笔记
第一章：决策树原理 1-决策树算法概述_哔哩哔哩_bilibili 根节点的选择应该用哪个特征？接下来选什么？如何切分？ 决策树判断顺序比较重要。可以使用信息增益、信息增益率、 在划分数据集前后信息发生的变化称为信息增益，获得信息增益最高的特征就是最好的选择。集合信息的度量方式称为香农熵，或者简称熵。 常用的决策树算法 连续值应该怎么分？ 排序之后二分。 决策树剪枝策略。 决策树有过拟合的风险，理...
机器学习——卷积神经网络的反向传播算法
机器学习——卷积神经网络的反向传播算法 卷积神经网络（Convolutional Neural Network，CNN）是一种主要应用于图像识别、语音识别等领域的深度学习模型。在CNN中，反向传播算法是用于更新网络参数以最小化损失函数的关键步骤之一。本文将介绍卷积神经网络的基本概念、汇聚层、卷积层以及反向传播算法的步骤，并通过Python实现算法，最后给出总结。 1. 基本概念 卷积神经网络是一种前馈神...