摘要：模型微调 假设我们现在已经有了几个效果还不错的模型，接下来我们要对它们进行调优。下面我们介绍几种调优的方法。 网格搜索 第一个方法是通过手动调整超参数，直到发现一组使模型表现良好的超参数。这个是一个很耗时的工作，手动调整的话，可能没有这么多时间探索这些超参数组合。 不过在sk-learn 中提供了G 阅读全文

摘要：选择并训练模型 至此，我们已明确了问题，并对数据进行了预处理。现在我们选择并训练一个机器学习模型。 在训练集上训练模型 这个过程相对来说较为简单，我们首先训练一个线性回归模型： from sklearn.linear_model import LinearRegression lin_reg = L 阅读全文

摘要：为机器学习准备数据 下面我们开始为机器学习算法准备数据，首先我们将训练集中的 label（也就是median_house_value）分出来： housing = strat_train_set.drop('median_house_value', axis=1) housing_labels = 阅读全文

摘要：探索并可视化数据 到目前为止我们已经大致浏览了数据集，我们下一步的目标是更深入的了解数据集。 首先，我们要将测试集放在一边，确保我们仅浏览训练集。当然，如果训练集特别大的话，我们可能需要对它进行采样，获取它的一个小样本集进行研究。在我们的这个例子中，这个数据集非常小，所以我们可以直接在整个训练集上进 阅读全文

摘要：机器学习项目流程 在这我们会从头开始做一个机器学习项目，向大家展示一个机器学习项目的一个基本流程与方法。一个机器学习主要分为以下几个步骤： 从整体上了解项目 获取数据 发现并可视化数据，以深入了解数据 为机器学习算法准备数据 选择模型并训练 模型调优 展示解决方案 部署、监控、以及维护我们的系统 我 阅读全文