IP属地：吉林
-
sklearn重的“特征选择”方法
背景 为什么用进行特征选择，个人理解主要包括以下几个方面： 1、减少特征数量可以防止维度灾难，降低算力的负担，减少训练时间； 2、增强模型泛化能...
-
浅谈机器学习流程每当听到当年赵本山和宋丹丹在2000年春晚演出的小品《钟点工》总能一笑解千愁。工欲善其事必先利其器！一些看似复杂的事情，只要选对了方法或工具往往...
-
关于Pima数据集研究(5)--重刷DC(数据清洗)篇一、前情提要 该数据集最初来自美国国立糖尿病与消化与肾脏疾病研究所。数据集的目的是基于数据集中包含的某些诊断指标，诊断性的预测患者是否患有糖尿病...
-
让Pandas更快的框架--Modin无意间发现一个很牛的小工具，在此记录下来分享给大家，那就是号称比原始的pandas快不止4倍的“Modin”。 git地址：https://gi...
-
机器学习样本不均衡处理办法今天我们聊一聊关于机器学习中数据不均衡的解决办法。 一、类别样本不均衡到底是啥？ 类别数据不均衡是分类任务中一个典型的存在的问题。简而言之，即数...
-
关于Pima数据集研究(4)--Model(模型初探)篇重点说明，该章节为承上启下章节 一、前情提要 该数据集最初来自美国国立糖尿病与消化与肾脏疾病研究所。数据集的目的是基于数据集中包含的某些诊断指标...
-
关于Pima数据集研究(3)--FE(特征工程)篇关于Pima数据集研究共分为4个篇幅来进行研究： 《关于Pima数据集研究(1)--EDA(探索性数据分析)篇》 《关于Pima数据集研究(2)...
-
关于Pima数据集研究(2)--DC(数据清洗)篇关于Pima数据集研究共分为4个篇幅来进行研究： 《关于Pima数据集研究(1)--EDA(探索性数据分析)篇》 《关于Pima数据集研究(2)...
-
关于Pima数据集研究(1)--数据探索分析 EDA篇关于Pima数据集研究共分为： 《关于Pima数据集研究(上)--EDA篇》 《关于Pima数据集研究(中)--DC&FE篇》 《关于Pima数...