sklearn.model_selection 第2页
- Python sklearn各分类算法及调参调优(二)
-
最近在学习分类算法及Python的相关实现，比较有趣，在此将所了解的内容归纳，分享一下，整体内容主要包含以下几点：通过seaborn实现数据集不同特征之间的关系以及分布的可视化；通过train_test_split、StratifiedKFold实现不同的训练集/测试集的构建；...
- Python sklearn各分类算法及调参调优(四)
-
最近在学习分类算法及Python的相关实现，感觉灰常有趣，在此将所了解的内容归纳，分享一下，整体内容主要包含以下几点：通过seaborn实现数据集不同特征之间的关系以及分布的可视化；通过train_test_split、StratifiedKFold实现不同的训练集/测试集的构建；...
- 三、使用Python的sklearn模块自动构建、选择最优模型并调整参数
-
#文章首发挑战赛#...
- 「机器学习系列5」sklearn初探（sklearn原理）
-
sklearn核心对象类型：评估器（estimator）...
- Auto-Sklearn:通过自动化加速模型开发周期
-
背景典型的机器学习工作流程是数据处理、特征处理、模型训练和评估的迭代循环。想象一下，必须对数据处理方法、模型算法和超参数的不同组合进行试验，直到我们获得令人满意的模型性能。这项费时费力的任务通常在超参数优化期间执行。...
- Docker 化 ML 模型:部署指南（dockerman）
-
这本面向ML爱好者的综合指南将带您完成使用Docker打包和运行ML模型的旅程。...
- Pandas/Sklearn进行机器学习之特征筛选，有效提升模型性能
-
作者：俊欣...
- 增强ML模型的可解释性，让这4个库大显身手吧
-
全文共4242字，预计学习时长8分钟随着人们对人工智能的偏见越来越明显，企业需要对模型做出的预测与模型本身做出解释——这一点越来越重要。幸运的是，越来越多的Python库正得以开发出来解决这一问题。接下来，本文将简要介绍四个用于解读与解释机器学习模型的python软件包。...
- 自动化的机器学习:5个常用AutoML 框架介绍
-
AutoML可以为预测建模问题自动找到数据准备、模型和模型超参数的最佳组合，本文整理了5个最常见且被熟知的开源AutoML框架。AutoML框架执行的任务可以被总结成以下几点：预处理和清理数据。选择并构建适当的特征。选择合适的模型。...
- CatBoost机器学习模型的介绍与实例
-
CatBoost是Yandex开发的梯度提升机器学习算法。...