机器学习平台 PAI最优-阿里云

机器学习-特征选择：如何使用交叉验证精准选择最优特征？

一、引言在机器学习任务中，选择最重要和相关的特征对于构建高性能的模型至关重要。特征选择旨在从原始数据中挑选出最具信息量和预测力的特征，以降低维度和噪声的影响，提高模型的泛化能力和效率。有效的特征选择可以帮助我们理解数据、简化模型、减少计算成本，并降低过拟合的风险。交叉验证是一种常用的评估机器学习...

机器学习-特征选择：如何使用递归特征消除算法自动筛选出最优特征？

一、引言在实际应用中，特征选择作为机器学习和数据挖掘领域的重要环节，对于提高模型性能和减少计算开销具有关键影响。特征选择是从原始特征集中选择最相关和最具区分力的特征子集，以提高模型的泛化能力和可解释性。特征选择在实践中具有以下重要性：提高模型性能：通过选择最相关的特征子集，可以减少冗余和噪声特...

机器学习PA如何指定使用最优的训练的ckpt？

机器学习PAI在ODPS上使用PAI命令调用easyrec进行evaluate的时候，如何指定使用最优的训练的ckpt？

各类机器学习问题的最优结果合集！附论文及实现地址索引

该 GitHub 库提供了所有机器学习问题的当前最优结果，并尽最大努力保证该库是最新的。如果你发现某个问题的当前最优结果已过时或丢失，请作为问题提出来（附带：论文名称、数据集、指标、源代码、年份），我们会立即更正。这是为所有类型的机器学习问题寻找当前最优结果的一次尝试。我们都无法独自完成，因此希望...

中国人工智能学会通讯——最优传输理论在机器学习中的应用 1.3 最优传输映射的逼近算法

1.3 最优传输映射的逼近算法近年来，依随 Internet 技术的发展，人类已经积累了大量的视觉数据，这使得估计各种概率分布成为可能。同时，GPU 技术的发展，使得各种统计计算方法的实现成为可能。因此，我们迎来了机器学习的科技大潮。但是，我们依然无法严密解释机器学习算法的有效性。从基...

中国人工智能学会通讯——最优传输理论在机器学习中的应用 1.2 概率分布逼近

1.2 概率分布逼近深度学习的方法强劲有力，几乎横扫计算机视觉的所有领域，很多人将其归功于神经网络的万有逼近能力（universal approximation property）：给定一个连续函数或者映射，理论上可以用一个包含足够多神经元的隐层 , 或者多层前馈网络...

中国人工智能学会通讯——最优传输理论在机器学习中的应用 1.1 最优传输理论与 WGAN 模型

最优传输理论是连接几何和概率的桥梁，它用几何的方法为概率分布的建模和衡量概率分布之间的距离提供了强有力的工具。最近，最优传输理论的概念和方法日益渗透进机器学习领域，为机器学习原理的解释提供了新的视角，为机器学习算法的改进提供了新的指导方向。本文介绍最优传输理论的基本概念和原理，解释如...

共有7条

< 1 >

跳转至： GO

更新时间 2024-03-15 18:07:04

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。