红色石头的个人博客

红色石头 发布于 2020-11-27

微软剑桥研究院实验室主任 Christopher Bishop 的经典著作《Pattern Recognition and Machine Learning》，中文译名《模式识别与机器学习》，简称 PRML，深受广大机器学习爱好者好评！ 在豆瓣上，这本书也是收到了 9.5 的高分...

阅读(4026)评论(0)赞 (1)标签：机器学习 / 模式识别 / 资源

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(9396)评论(0)赞 (4)标签：Keras / TensorFlow / 深度学习

红色石头 发布于 2020-06-28

现在大家平时会遇到很多不错的机器学习资源，但是大多数情况下，资源比较分散，不方便集中管理和查阅。更重要的是往往很难找到一个系统完整的资源导航，形成系统的学习路线，方便搜索。 重磅！今天小编在网上“闲逛”的时候发现了一个超级棒的机器学习优质资源分类导航。至少节约大家 50% 的时间...

阅读(9050)评论(0)赞 (1)标签：机器学习 / 资源

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(8010)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(8223)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(9126)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(8855)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(7522)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(9252)评论(0)赞 (7)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(9228)评论(0)赞 (0)标签：数据预处理 / 机器学习 / 特征工程