介绍 机器学习工程会利用本地训练的模型进行推理，并在有必要的时候将其部署到云端。这篇文章将学会如何对 scikit-learn 构建的模型进行保存，部署和推理。......
介绍 通过前面的内容，相信你已经对于使用 scikit-learn 保存、部署模型非常熟悉。本次挑战中，你会了解到什么是增量训练，以及动态增量模型的部署及调用。 本......
介绍 auto-sklearn 是基于 scikit-learn 开发的自动化机器学习框架。它延续了 scikit-learn 的易用性，并进一步引入自动化机器学习的方法来方便非专业开发者建立预测模型。这篇文......
介绍 自动化机器学习（Automated machine learning，简称：AutoML）是机器学习近年来发展出来的热门分支，其可以看作为一种基于人工智能的解决方案，以应对不断增长的机器学习应......
介绍 前面的文章中，我们已经学习了最典型的 3 类聚类方法。本周的最后一课将会带大家继续学习几种比较常见的聚类方法以帮助大家更加充分地了......
介绍 掌握划分聚类和层次聚类方法之后，我们还需要了解并学习一类聚类方法，也就是密度聚类方法。密度聚类通过评估样本的紧密程度来划分对应的......
介绍 在多元统计分析中，主成分分析（Principal components analysis，PCA）是一种分析、简化数据集的技术。经常用于减少数据集的维数，同时保留数据集中的对方差贡献最大的特......
介绍 前面的文章中，我们学习了划分聚类方法，特别是了解掌握了 K-Means 和 K-Means++ 两种出色的聚类算法。这篇文章将介绍一类完全不同的聚类方法，也就是层次聚......
介绍 前面的内容中，我们熟悉了回归和分类中常见的算法，接下来我们将带领大家学习并掌握无监督学习：聚类。这篇文章，首先讲解聚类中最常用的划分......
介绍 前面的实验都是独立的讲解每一个分类器的分类过程，每一个分类器都有其独有的特点并非常适合某些数据。但在实际中，由于数据的不确定性，单......
介绍 决策树是机器学习中简单又经典的算法，这篇文章将带领大家学习决策树的原理，通过代码详细了解决策分类的特征选择，通过 Python 实现决策树的算法......
介绍 在前面的文章中，我们对线性分布和非线性分布的数据处理方法进行了简单的介绍和实验操作。当前还有一种机器学习方法，它在解决小样本、非......
介绍 前面的分类文章中，我们使用了准确率这一种方法对模型进行评价。实际上，分类模型的评价方法还有很多，本次试验将会了解其它常用方法以便于......
介绍 在分类预测中，以概率论作为基础的算法比较少，而朴素贝叶斯就是其中之一。朴素贝叶斯算法实现简单，且预测分类的效率很高，是一种十分常用的......
介绍 在解决分类问题的过程中，K-近邻算法（简称：KNN）是一种简单而且实用的方法。这篇文章将对 K-近邻算法进行详细的介绍，并从距离计算，分类决策等方......
介绍 逻辑回归（Logistic Regression），又叫逻辑斯蒂回归，是机器学习中一种十分基础的分类方法，由于算法简单而高效，在实际场景中得到了广泛的应用。这篇文章中，我们......
介绍 目前为止，我们已经掌握了回归分析与预测的相关方法，并了解了多种模型评价的标准。不过，对于回归分析的结果，往往还需要经历一个流程，那就是......
介绍 在回归预测中，除了前面所讲到的线性回归和多项式回归，还有很多的回归分析方法。例如，岭回归、LASSO 回归、以及由下一周分类方法变形而来的各......
介绍 前面的文章中，相信你已经对线性回归有了充分的了解。掌握一元和多元线性回归之后，我们就能针对一些有线性分布趋势的数据进行回归预测。......
介绍 线性回归是一种较为简单，但十分重要的机器学习方法。掌握线性的原理及求解方法，是深入了解线性回归的基本要求。除此之外，线性回归也是监......
介绍 机器学习是概率论、统计学、计算理论、最优化方法、以及计算机科学组成的交叉学科，其主要的研究对象是如何从经验中学习并改善具体算法......