榜单
服务器优惠
AI论文
-
API
API Datasets Utilities API Dask APIs generally follow from upstream APIs: Arrays follows NumPy DataFrames follows Pandas Bag follows map/filter/groupby/reduce common in ... -
基于实例学习
基于实例 vs 基于模型学习 另一种分类机器学习的方法是判断它们是如何进行归纳推广的。大多机器学习任务是关于预测的。这意味着给定一定数量的训练样本，系统需要能推广到之前没见到过的样本。对训练数据集有很好的性能还不够，真正的目标是对新实例预测的性能。 有两种主要的归纳方法：基于实例学习和基于模型学习。 基于实例学习 也许最简单的学习形式就是用记忆学... -
6.4. Imputation of missing values
6.4. Imputation of missing values 6.4.1. Univariate vs. Multivariate Imputation 6.4.2. Univariate feature imputation 6.4.3. Multivariate feature imputation 6.4.3.1. Flexibility o... -
2.1. Gaussian mixture models
2.1. Gaussian mixture models 2.1.1. Gaussian Mixture 2.1.1.1. Pros and cons of class GaussianMixture 2.1.1.1.1. Pros 2.1.1.1.2. Cons 2.1.1.2. Selecting the number of components ... -
1.9. 朴素贝叶斯
1.9. 朴素贝叶斯 1.9.1. 高斯朴素贝叶斯 1.9.2. 多项分布朴素贝叶斯 1.9.3. 补充朴素贝叶斯 1.9.4. 伯努利朴素贝叶斯 1.9.5. 基于外存的朴素贝叶斯模型拟合 1.9. 朴素贝叶斯 校验者: @Kyrie @Loopy @qinhanmin2014 翻译者: @TWITCH 朴素贝叶斯方法是基于贝叶斯定理... -
5.3 预处理数据
5.3 预处理数据 5.3 预处理数据 5.3.1 标准化，也称去均值和方差按比例缩放 5.3.1.1 将特征缩放至特定范围内 5.3.1.2 缩放稀疏（矩阵）数据 5.3.1.3 缩放有离群值的数据 5.3.1.4 核矩阵的中心化 5.3.2 非线性转换 5.3.2.1 映射到均匀分布 4.3.2.2 映射到高斯分布 5.3.3 归一化 ... -
4.2 模型接口
4.2 模型接口 4.2.1 Booster 4.2.2 直接学习 4.2.3 scikit-learn API 4.2.3.1 LGBMModel 4.2.3.2 LGBMClassifier 4.2.3.3 LGBMRegressor 4.2.3.4 LGBMRanker 4.2.3.5 Callbacks 4.2 模型接口 ...