生存分析机器学习
发生的变化的方法，可广泛应用于金融、医疗、保险、交通等领域，比如预测疾病复发风险、评估投资产品收益、估算保险赔付概率等。通过挖掘数据背后的价值，可以帮助我们更好地理解现象、优化决策，实现效益最大化。 机器学习：让数据焕发生机 💡 机器学习则已经渗透到我们生活的方方面面，例如：推荐系统、图像识别、语音识别等。极大地提高了数据处理效率和准确性，将机器学习应用到生存分析中，将让数据分析变得更加高效、智能。 学习...
数据挖掘与机器学习
一. 机器学习的种类 1. 有监督的机器学习 : 分类 : KNN 最近邻 逻辑回归 - 朴素贝叶斯估计 SVM 线性 或 非线性 优化模型 决策树模型 - 随机森林 - 其它集成模型 lightGBM - XGBOOST ...
政安晨：【Keras机器学习示例演绎】（一）—— 利用类 U-Net 架构进行图像分割
目录 下载数据 准备输入图像的路径和目标分割掩码 一幅输入图像和相应的分割掩码是什么样子的？ 准备数据集，以加载和矢量化成批数据 准备 U-Net Xception 风格模型 预留验证分割 训练模型 可视化预测 本文目标：在宠物数据集上从头开始训练的图像分割模型。 下载数据 !!wget https://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar....
机器学习——模型融合：Boosting算法
机器学习——模型融合：Boosting算法 1. Boosting核心思想 Boosting算法是一种集成学习方法，其核心思想是通过组合多个弱学习器（即准确率略高于随机猜测的学习器）来构建一个强学习器（即准确率较高的学习器）。在Boosting中，每个弱学习器都在之前学习器的基础上进行训练，以弥补前一个模型的不足，最终形成一个具有较强泛化能力的模型。 2. 基本流程 Boosting算法的基本流程如下：...
ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写
熟练地掌握ChatGPT4.0在数据分析、自动生成代码等方面的强大功能，同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等）和热门深度学习方法（卷积神经网络、迁移学习、RNN与LSTM神经网络...
R语言: mlr3机器学习--生存分析
在mlr3vers中，还可以进行生存分析。关于生存分析的理论内容请参考以前的推文。 1、加载R包 library("mlr3verse")library("mlr3proba")library("survival") 2、设定任务 task = as_task_surv(survival::rats, time = "time", event = "status", id = "rats") task...
政安晨：【Keras机器学习实践要点】（二十九）—— 半监督图像分类使用具有SimCLR对比性预训练的方法
监督微调 与基准线的比较 进一步改进 架构 超参数 相关工作 本文目标：使用SimCLR的对比预训练方法进行STL-10数据集的半监督图像分类。 介绍 半监督学习 半监督学习是一种处理部分标记数据集的机器学习范式。在实际应用深度学习时，通常需要收集大量数据集以使其良好运行。然而，标记成本与数据集大小成线性关系（标记每个示例的时间是恒定的），而模型性能只与数据集大小成亚线性关系。这意味着标记越来越多的样本成...
机器学习——模型评价
概述 在机器学习中，模型评价是评估和比较不同模型性能的关键步骤之一。它是通过对模型的预测结果与真实标签进行比较，从而量化模型的预测能力、泛化能力和稳定性。模型评价旨在选择最佳的模型，理解模型的行为，并为模型的改进提供指导。 本文将介绍机器学习中常用的模型评价方法，包括基本流程、常见的评价指标以及这些评价方法的优缺点。此外，将使用Python实现这些模型评价方法，并通过可视化展示评价结果。 基本流程 机器...
机器学习算法
机器学习算法是人工智能领域中的核心组成部分，它们使计算机能够通过数据学习并做出决策或预测。这些算法通常分为几大类，包括监督学习、无监督学习、半监督学习和强化学习。以下是一些常见的机器学习算法及其简要介绍： ### 监督学习算法 1. **线性回归（Linear Regression）**： - 用于预测连续值输出，通过拟合数据点的最佳直线来建立输入特征和输出结果之间的关系。 2. **逻辑回归（Lo...
机器学习——模型融合：Stacking算法
机器学习——模型融合：Stacking算法 在机器学习中，模型融合是一种常用的方法，它可以提高模型的泛化能力和预测性能。Stacking算法（又称为堆叠泛化）是一种强大的模型融合技术，它通过组合多个基本分类器的预测结果来产生最终的预测结果。本文将介绍Stacking算法的核心思想、基本流程、常见的Stacking方法以及其优缺点，并用Python实现算法并进行结果可视化。 1. Stacking算法核心...