国外课栈 - 国外电子信息技术视频教程、电子书和博文栈
Scikit-Learn和TensorFlow的高级预测技术
Scikit-Learn和TensorFlow的高级预测技术
类别 : 视频教程
格式 : MP4
订阅须知  订阅
概述

改进性能预测模型,构建更复杂的模型,并使用技术来提高预测模型的质量。

学习   

  • 使用集成算法组合许多单独的预测变量以产生更好的预测。
  • 应用降维等先进技术来组合特征并构建更好的模型。
  • 评估模型并使用交叉验证选择最佳超参数。
  • 了解使用神经网络工作和构建模型的基础。
  • 学习不同的技术来解决在现实世界中进行预测分析时出现的问题

关于   

集成方法通过巧妙地组合来自许多单个预测变量的预测,提供了一种提高预测准确性的有效方法。在本课程中,您将学习如何使用集成方法来提高分类和回归问题的准确性。

当使用预测分析解决实际问题时,除了模型和算法外,还必须考虑许多其他实际考虑因素,例如我应该使用哪些功能,足够的功能是多少,我应该创建新功能吗,如何组合特征以提供相同的基础信息,我应该使用哪些超参数?我们将探讨有助于您回答此类问题的主题。

人工神经网络是基于神经网络在生物中的工作原理的松散模型。这些模型在人工智能界有着很长的历史,并且流行起伏不定。如今,由于计算能力的提高,方法的改进以及软件的增强,它们再次受到欢迎,并成为诸如深度学习之类的高级方法的基础。本课程介绍了如何使用功能强大的TensorFlow库将深度学习模型用于预测分析。

本课程介绍一些目前对每个行业都有重大影响的最先进的预测分析工具,模型和技术。主要目标是向观看者展示如何提高预测模型的性能-首先,通过展示如何构建更复杂的模型,其次,通过展示如何使用能够显着提高预测模型质量的相关技术。

特征   

  • 通过使用集成方法来提高预测分析模型的性能
  • 学习使用重要技术来提高预测模型的性能,例如特征选择,降维和交叉验证
  • 建立神经网络模型并掌握深度学习令人兴奋领域的基础知识

总目录(3时44分)

  • 回归分类方法
  • 交叉验证和参数调整
  • 使用功能
  • 人工神经网络和TensorFlow简介
  • 使用TensorFlow和深度神经网络进行预测分析

Scikit-Learn和TensorFlow的高级预测技术

会员登录
登录
我的资料
留言
回到顶部