《Python大规模机器学习》 —3.6小结

举报
华章计算机 发表于 2020/02/14 22:36:16 2020/02/14
【摘要】 本节书摘来自华章计算机《Python大规模机器学习》 一书中第3章,第3.6节,作者是[荷]巴斯蒂安·贾丁(Bastiaan Sjardin)[意]卢卡·马萨罗(Luca Massaron)[意]阿尔贝托·博斯凯蒂(Alberto Boschetti),王贵财 刘春明 译。

3.6小结

在本章中,我们讨论了通过将SVM添加到简单的基于回归的线性模型来扩展一开始介绍的非核心算法。大多数时候,我们专注于Scikit-learn实现(主要是SGD),并在最后介绍了能与Pythons 脚本集成的外部工具,比如John Langford的Vowpal Wabbit。在此过程中,我们通过讨论蓄水池采样、正则化、显式和隐式非线性转换以及超参数优化,对模型改进和验证技术进行概述。

在下一章中,将介绍更复杂、更强大的学习方法,同时给出适应于大规模问题的深度学习和神经网络方法。如果你的项目主要是分析图像和声音,那么到目前为止你看到的内容可能还不能满足你的需求,下一章将提供这样的内容。


【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。