系列教程

红色石头 发布于 2020-07-16

大名鼎鼎的 Mask RCNN 一举夺得 ICCV2017 Best Paper，名声大造。Mask RCNN 是何恺明基于以往的 Faster RCNN 架构提出的新的卷积网络，实现高效地检测图中的物体，并同时生成一张高质量的每个个体的分割掩码，即有效地目标的同时完成了高质量的...

阅读(8244)评论(0)赞 (3)标签：Keras / TensorFlow / 深度学习

红色石头 发布于 2020-06-28

作者：陈颖祥、杨子晗 编译：AI有道编译：AI有道 经过数据预处理和特征选择，我们已经生成了一个很好的特征子集。但是有时该子集可能仍然包含过多特征，导致需要花费太多的计算能力用以训练模型。在这种情况下，我们可以使用降维技术进一步压缩特征子集。但这可能会降低模型性能。 同时，如果我...

阅读(7421)评论(0)赞 (0)标签：机器学习 / 特征工程 / 特征降维

红色石头 发布于 2020-05-24

数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行...

阅读(7555)评论(0)赞 (2)标签：机器学习 / 特征工程 / 特征选择

红色石头 发布于 2020-05-07

数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行...

阅读(8217)评论(0)赞 (1)标签：机器学习 / 特征工程 / 特征选择

红色石头 发布于 2020-04-24

数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行...

阅读(7892)评论(0)赞 (2)标签：机器学习 / 特征工程 / 特征选择

红色石头 发布于 2020-04-24

数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行...

阅读(6720)评论(0)赞 (2)标签：机器学习 / 特征工程 / 特征选择

红色石头 发布于 2020-04-22

数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行...

阅读(8595)评论(0)赞 (5)标签：机器学习 / 特征工程 / 特征选择

红色石头 发布于 2020-04-14

基于 Jupyter 的特征工程手册：数据预处理的上一篇： 专栏 | 基于 Jupyter 的特征工程手册：数据预处理（一） 专栏 | 基于 Jupyter 的特征工程手册：数据预处理（二） 专栏 | 基于 Jupyter 的特征工程手册：数据预处理（三） 项目地址： https...

阅读(8242)评论(0)赞 (0)标签：数据预处理 / 机器学习 / 特征工程

红色石头 发布于 2020-04-11

基于 Jupyter 的特征工程手册：数据预处理的上一篇： 专栏 | 基于 Jupyter 的特征工程手册：数据预处理（一） 专栏 | 基于 Jupyter 的特征工程手册：数据预处理（二） 项目地址： https://github.com/YC-Coder-Chen/featu...

阅读(3467)评论(0)赞 (0)标签：数据预处理 / 机器学习 / 特征工程

红色石头 发布于 2020-04-10

基于 Jupyter 的特征工程手册：数据预处理的上一篇： 专栏 | 基于 Jupyter 的特征工程手册：数据预处理（一） 项目地址： https://github.com/YC-Coder-Chen/feature-engineering-handbook 本项目将探讨数据预...

阅读(3170)评论(0)赞 (1)标签：机器学习 / 特征工程