【機械学習の入門と実践】データ融合、特徴最適化、特徴次元削減、探索的分析など、実際のデータマイニングプロジェクトを収録した初心者必見のシリーズ。実戦で機械学習データマイニングをマスターする
コラムでは詳しく紹介しています:【機械学習の入門と実践】実際のデータマイニングプロジェクトを含む入門編必見シリーズ:モデル融合、特徴最適化、特徴次元削減、探索的分析など。実戦はマスター機械学習データマイニング。
このコラムは主に初心者が関連知識を素早く理解できるようにすることを目的としています。免責事項: 一部のプロジェクトは誰もがすぐに学べるオンラインの古典的なプロジェクトであり、実用的なリンク (コンテスト、論文、実践的なアプリケーションなど) が将来追加される予定です。
コラム購読:データマイニング - 機械学習コラム
主にデータの探索的分析について説明します: 変数間の相関関係のチェックと主要な変数の検索; データ特徴エンジニアリングによるデータの洗練: 外れ値処理、正規化処理、特徴の次元削減; 主流の ML モデルは回帰モデルのトレーニングに関与します: 意思決定ツリー、ランダムフォレスト、lightgbmなど。同時に、モデルの検証、機能の最適化、モデルの融合などにも重点を置いています。