简介 在统计学中，“过拟合”指的是模型误差，当函数与特定数据集关联过于紧密时发生。结果，过拟合可能无法拟合新数据，这可能会降低预测未来观测值的精度。检查诸如准确性和损失之类的验证指标可能会显示过拟合。当模型受到过拟合的影响时，验证指标通常会增加到某个点，然后趋于平稳或开始下降。在上升趋势期间，模型寻找良好的匹配，一旦找到，则运动……阅读更多

简介 在当今数据驱动的环境中，企业正在转向机器学习以获取洞察力，做出明智的决策并推动发展。机器学习是使用具有人工智能的算法，这些算法可以从数据中学习并根据学习做出预测或判断。机器学习可以通过研究大型数据集来帮助企业发现趋势，简化工作流程并改进预测。机器学习有很多好处，从节省成本和改进客户体验到改进决策和竞争优势。在本文中，我们将更详细地讨论机器学习的商业优势，并举例说明如何……阅读更多

简介 创建任何机器学习模型时，我们首先想到的是如何创建一个准确且“非常适合”的模型，以及在此过程中会遇到什么问题。机器学习中两个最重要但又最令人费解的概念是召回率和精确率。机器学习中模式识别和分类的性能指标包括精确率和召回率。构建一个完美的机器学习模型，以产生更精确和准确的结果，需要理解这些概念。在机器学习中，有些模型需要更高的召回率，而其他模型则需要更高的精确率。因此……阅读更多

简介 人工智能 (AI) 成功地模拟了人类的认知和推理过程，用于日常应用。这在网络安全中经常被观察到，例如工作自动化和威胁变体预测。但是，任何 AI 系统（如汽车）所提供的燃料才是其动力来源。然而，数据远不止是燃料。因此，本文的目标是阐明数据在人工智能中发挥的关键作用。人工智能与数据之间的关系以下是人工智能与数据之间的一些关系：垃圾进，垃圾出 AI 系统的“输出”，……阅读更多

简介 数据模型将数据项与其自身以及模型原始目的所需的功能之间的关系进行分组和标准化。用于机器学习模型训练和评估的数据有可能构建解决方案或一组解决方案。正则化技术避免了架构对最终数据变化特别敏感的定义不明确的模型。数据或数据输入过程中的错误或问题可能导致解决方案更不准确。通过改变过程以考虑错误和未来的约束，高度准确和有用的模型……阅读更多

简介 机器学习的核心方法已经存在很长时间了，但计算机直到最近才发展出在现实世界环境中应用这些方法所需的处理能力。如今的人工智能 (AI) 算法能够学习识别图片和视频中的物体，跨语言交流，甚至掌握棋类和街机游戏。在某些情况下，例如 DeepMind 的 AlphaGo 软件，AI 在给定的任务上甚至比顶级人类表现更好！什么是机器学习？机器学习中使用了人工智能，我们将尝试让计算机访问数据并……阅读更多

简介 现代技术现在严重依赖机器学习，它使计算机能够从数据中学习并进行预测或判断，而无需明确告知。即使对于经验丰富的工程师来说，某些机器学习概念也可能难以理解，因为它们很复杂。在这篇文章中，我们将研究一些最难的机器学习主题，例如强化学习、过拟合和欠拟合、梯度下降、超参数和神经网络。列出的难题神经网络神经网络是机器学习的一个分支——深度学习中的一个关键概念。它们用于查找数据中的模式……阅读更多

简介 主成分分析 (PCA) 是一种常用的统计方法，用于许多数据分析和机器学习领域。它经常用于降低数据集的维数，方法是将数据集转换为低维空间，同时保留大部分原始变量。然而，坐标系的选取会显著影响 PCA 的结果。旋转的概念此时就出现了。通过旋转坐标系，我们可以更清楚地理解数据的底层结构，并提高结果的可解释性。我们将研究旋转在……阅读更多

引言 数据集中与大部分其他数据点显著不同的数据点被称为异常值。它们会扭曲统计度量，掩盖数据中的潜在趋势，从而对数据分析、建模和可视化产生不利影响。因此，在开始任何研究之前，识别和处理异常值至关重要。在这篇文章中，我们将探讨处理异常值的各种方法以及如何检查异常值。异常值筛选为了处理异常值，我们首先必须识别它们。以下是一些常用的异常值识别技术……阅读更多

引言 数据科学和机器学习是快速发展的领域，对合格人才的需求量很大。然而，并非所有对这些领域感兴趣的人都选择将数据科学或机器学习工程作为职业。好消息是，有一些替代职业路径，可以让那些对这些领域有专业知识的人，同时追求其他热情或兴趣。在这篇文章中，我们将探讨一些数据科学或机器学习背景人员的替代职业道路，以及如何在不同领域运用他们的技能。替代……阅读更多