机器学习项目工作的标准流程,可以参考
2022/2/21 23:26:33
本文主要是介绍机器学习项目工作的标准流程,可以参考,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
标准流程:
- 理解问题:理解问题的核心,相关领域的问题、经验、限制、惯例、内外影响等等。
- Collect input features
- Preprocess:Fillna(fill 0,mean,or by model(eg rf)), Outlier
- Feature engineering:
- Normalize: min-max,z-score,pca,zca
- Transform: square,log,exp,sin,cos,rotate
- Embedding: one-hot, category
- Binning: eg. age 0-14:1 , 14-20:2
- Cross feature: eg. X1*X2
- De-periodic:eg. fft
- TD: y[n] = x[n] -x[n-t]
- Sampling: Uniform, Stratified, Pool, Undersampling, Oversampling,MCMC, Gibbs, SMOTE
- Build Model : DL or ML
- Train: Hyper params(grid search), cross validation
- Validate: Get metrics
这篇关于机器学习项目工作的标准流程,可以参考的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-17机器学习资料入门指南
- 2024-12-06如何用OpenShift流水线打造高效的机器学习运营体系(MLOps)
- 2024-12-06基于无监督机器学习算法的预测性维护讲解
- 2024-12-03【机器学习(六)】分类和回归任务-LightGBM算法-Sentosa_DSML社区版
- 2024-12-0210个必须使用的机器学习API,为高级分析助力
- 2024-12-01【机器学习(五)】分类和回归任务-AdaBoost算法-Sentosa_DSML社区版
- 2024-11-28【机器学习(四)】分类和回归任务-梯度提升决策树(GBDT)算法-Sentosa_DSML社区版
- 2024-11-26【机器学习(三)】分类和回归任务-随机森林(Random Forest,RF)算法-Sentosa_DSML社区版
- 2024-11-18机器学习与数据分析的区别
- 2024-10-28机器学习资料入门指南