AI 助理
备案控制台
问答 2023-04-25 来自：开发者社区

机器学习PAI需要大力做一下用户和item侧的统计特征，我数据源中没有类似的tag会影响很大吗?

https://developer.aliyun.com/article/923697 需要大力做一下用户和item侧的统计特征；用户偏好的KV 特征，类似上文里面的tagList特征，我们文档里面的KV + query Key的lookup 特征，我数据源中没有类似的tag会影响很大吗?

问答 2023-04-25 来自：开发者社区

机器学习PAI中feature selection生成的特征重要性中mean_drop_p的含义是？

机器学习PAI中请教个问题：feature selection生成的特征重要性中mean_drop_p的含义是？这个值越大特征越重要吗？

问答 2023-04-25 来自：开发者社区

机器学习PAI中现在测试ps经常爆内存，测试发现150w特征，ps用了500g那么大，这个怎么解决？

机器学习PAI中现在测试ps经常爆内存，测试发现150w特征，ps用了500g那么大，想请问一下各位这个怎么解决？不然大模型根本跑不起来

文章 2023-04-18 来自：开发者社区

详解机器学习中的数据处理（二）——特征归一化

1.特征归一化  特征工程，顾名思义，是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。从本质上来讲，特征工程是一个表示和展现数据的过程。在实际工作中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解的问题与预测模型之间的关系。  归一化和标准化都可以使特征无量纲化，归一化使得数据放缩在[0, 1]之间并且使得特征之间的权值相同，改变....

详解机器学习中的数据处理（二）——特征归一化
文章 2023-04-13 来自：开发者社区

【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）

【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）note：项目链接以及码源见文末1.赛题简介了解赛题赛题概况数据概况预测指标分析赛题数据读取pandas分类指标评价计算示例回归指标评价计算示例EDA探索载入各种数据科学以及可视化库载入数据总览数据概况判断数据缺失和异常了解预测值的分布特征分为类别特征和数字特征，并对类别特征查看unique分布数字....

【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
文章 2023-03-27 来自：开发者社区

机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等

工业蒸汽量预测（最新版本下篇）原项目链接：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc5.模型验证5.1模型评估的概念与正则化5.1.1 过拟合与欠拟合### 获取并绘制数据集 import numpy as np import matplotlib.pyplot as plt %matplotlib inline .....

机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等
文章 2023-02-22 来自：开发者社区

机器学习/人工智能 实验二：图像特征自动学习方法实践与分析

写在前面参考的是https://zh.d2l.ai/index.html一、实验目的与要求(1)利用基于深度学习的特征自动学习方法完成图像特征提取的实验方案的设计。(2)编程并利用相关软件完成实验测试，得到实验结果。(3)通过对实验数据的分析、整理，得出实验结论，培养学生创新思维和编写实验报告的能力，以及处理一般工程设计技术问题的初步能力及实事求是的科学态度。(4)利用实验更加直观、方便和易于操....

机器学习/人工智能 实验二：图像特征自动学习方法实践与分析
文章 2023-02-15 来自：开发者社区

机器学习数学基础三：线代基础和特征分解

一，线性代数基础1，行列式行列式是一个值。 行数代表数据个数，列数代表标签2，矩阵和数据的关系 3，矩阵的基本操作1）特殊矩阵 2）同型矩阵和矩阵相等的区别两个矩阵行列数相同的时候称为同型矩阵在同型的前提先，并且各个元素相等，就是矩阵相等了3）加减法 4）数乘运算 5）乘法没有交换律 4，矩阵的几种变换1）矩阵转置2）对称矩阵 最重要的是下面的式子3）逆矩阵 5，矩阵的秩 6，向量的内积 7，向....

机器学习数学基础三：线代基础和特征分解
文章 2022-12-28 来自：开发者社区

降维（Dimensionality Reduction） 是机器学习中的一种重要的特征处理手段

Singular Value 奇异值 SVD降维（Dimensionality Reduction） 是机器学习中的一种重要的特征处理手段，它可以减少计算过程中考虑到的随机变量（即特征）的个数，其被广泛应用于各种机器学习问题中， 用于消除噪声、对抗数据稀疏问题。它在尽可能维持原始数据的内在结构的前提下， 得到一组描述原数据的，低维度的隐式特征（或称主要特征）。MLlib机器学习库提供了两个常用的....

文章 2022-12-21 来自：开发者社区

在NLP中结合文本和数字特征进行机器学习

应用于自然语言处理的机器学习数据通常包含文本和数字输入。例如，当您通过twitter或新闻构建一个模型来预测产品未来的销售时，在考虑文本的同时考虑过去的销售数据、访问者数量、市场趋势等将会更有效。您不会仅仅根据新闻情绪来预测股价的波动，而是会利用它来补充基于经济指标和历史价格的模型。这篇文章展示了如何在scikit-learn（对于Tfidf）和pytorch（对于LSTM / BERT）中组合....

在NLP中结合文本和数字特征进行机器学习

本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。

机器学习平台 PAI更多特征相关

机器学习平台 PAI您可能感兴趣