ml
ml
ML之FE：数据处理—特征工程的简介、使用方法、案例应用之详细攻略
2020-07-14 数据处理 特征 工程 简介 使用方法 案例 应用 详细 攻略 大数据
ML之FE：数据处理—特征工程之特征三化(标准化【四大数据类型(数值型/类别型/字符串型/时间型)】、归一化、向量化)简介、代码实现、案例应用之详细攻略
2020-07-14 数据处理 特征 工程 标准化 四大 数据 类型 数值 类别 字符串 时间 归一 向量 简介 代码 实现 案例 应用 详细 攻略 大数据
ML之FE：基于FE特征工程对RentListingInquries数据集进行预处理并导出为三种格式文件(csv格式/txt格式/libsvm稀疏txt格式)
2020-07-14 基于 特征 工程 rentlistinginquries 数据 进行 预处理 导出 三种 格式 文件 csv txt libsvm 稀疏
ML之FE：数据处理—特征工程之数据集划分红训练集、验证集、测试集三部分简介、代码实现、案例应用之详细攻略
2020-07-14 数据处理 特征 工程 数据 划分 训练 验证 测试 三部分 简介 代码 实现 案例 应用 详细 攻略 大数据
ML之FE：利用FE特征工程(单个特征及其与标签关系的可视化)对RentListingInquries(Kaggle竞赛)数据集实现房屋感兴趣程度的多分类预测
2020-07-14 利用 特征 工程 单个 及其 标签 关系 可视化 rentlistinginquries kaggle 竞赛 数据 实现 房屋 感兴趣 程度 分类 预测
ML之FE：数据处理—特征工程之稀疏特征的简介、如何处理、案例应用之详细攻略
2020-07-14 数据处理 特征 工程 稀疏 简介 如何 处理 案例 应用 详细 攻略 大数据
ML之FE：利用FE特征工程(分析两两数值型特征之间的相关性)对AllstateClaimsSeverity(Kaggle2016竞赛)数据集实现索赔成本值的回归预测
2020-07-14 利用 特征 工程 分析 两两 数值 之间 相关性 allstateclaimsseverity kaggle2016 kaggle 竞赛 数据 实现 索赔 本值 回归 预测
ML之FE：数据处理—特征工程之特征选择经常使用方法之基于搜索策略的三种分类、基于评价准则划分的三种分类(Filter/Wrapper/Embedded)及其代码实现
2020-07-14 数据处理 特征 工程 选择 经常 使用方法 基于 搜索 策略 三种 分类 评价 准则 划分 filter wrapper embedded 及其 代码 实现 大数据
hands-on-ml-with-sklearn-and-tf-第12章课后题
2020-07-14 hands sklearn 课后
【学习笔记】Hands-on ML with sklearn&tensorflow [TF] [1]模型的训练、保存和载入
2020-07-14 学习笔记 hands sklearn&tensorflow sklearn tensorflow 模型 训练 保存 载入
« 23 24 25 26 27 28 29 30 31 »
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程