推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 233 天前的主题，其中的信息可能已经有所发展或是发生改变。
36 条回复 • 2024-04-09 13:44:49 +08:00
 |
1
ZedRover 233 天前
深度学习吗 我平时做 tabular 数据跟时序数据多一点
|
 |
2
Yuhyeong 233 天前
什么方向，最近做 StableDiffusion 多一些。传统机器学习也没什么问题
|
 |
3
seetheworld OP @ZedRover 不是深度学习，就是传统机器学习，新手，不太懂如何保证训练出来的模型（比如 RF 、XGBoots ）是正确的，没有过拟合或欠拟合
|
|
4
seetheworld OP @Yuhyeong 是传统机器学习，最近写了一个代码，训练出来了一个 RF 模型，在训练集和测试集上的 R^2 都达到了几乎是 1 ，不知道是不是有问题
|
|
5
Yuhyeong 233 天前
强化学习？这个没怎么接触过
|
 |
7
jasonlee16819 233 天前
菜狗 AI 训练师一枚，只知道训模型，数据或者模型训练方法层面上了解的比较多
|
 |
8
kkjz 233 天前
sklearn 包+dl 的 cv ，欢迎交流~
|
 |
10
airqj 233 天前
@seetheworld #4 是不是训练集数据分布不均匀
|
|
11
seetheworld OP @jasonlee16819 模型训出来，如何判断靠不靠谱，目前很迷茫
|
|
12
seetheworld OP @airqj 意思是数据范围跨度不够广？集中在某一范围内么？
|
|
13
seetheworld OP @kkjz 我们也是用的 sklearn 包，摸索学习阶段，多多交流
|
 |
14
fengzc 233 天前 via Android
各种指标对一对 什么 PR F1 （去看看每个指标的意义）就能看出是不是过拟合和欠拟合了，也可以去找找更多的数据集试试？一般机器学习在小规模数据集上到 1 其实都是可能的，因为一些特征可能给大家摸索烂了
|
 |
15
leopod1995 233 天前
|
|
16
seetheworld OP @fengzc PR F1 是不是分类器的指标？我们训练的是 RF 回归模型，看的 R^2 ，RMSE, MAE 。在训练集上 R^2 是 1 ，MAE=0.4, RMSE=4.2 ，在测试集上 R^2=0.96, MAE=1.2, RMSE=11.2 。但纯看这几个指标不知道能否确定模型是否正确。
|
 |
17
v24radiant 233 天前
RF 是指随机森林吗?怎么不试一下 xgboost?
|
 |
18
Sawyerhou 233 天前
机器学习应该有三个数据集，训练、验证、测试，你是省略了一个？
R 方是线性回归的评估指标，非线性的不太适用， 你这个 R 方非常高，是课本数据？生产中 R 方应该不会这么高 模型收敛了，可以满足场景需求就可以了，其他不用太在意 |
 |
19
Djaron 233 天前
一直在做 ML 和 DL ，绿色软件: Vy1KZWZmcmV5LURvbmc=
|
|
20
jasonlee16819 233 天前
@seetheworld
首先得确定数据，训验集划分是否正确，数量，分布情况如何？是否有数据集泄漏或者同源情况，是否是训练集过大而测试集过小或丰富度远不如训练集的情况...... 上边也有一些大佬说了这些问题，比如过拟合啥的 |
 |
21
DigitalG 233 天前
说起来，机器学习/AI ，有什么比较活跃的社区吗？ reddit/huggingface/AutoDL 姑且都算 这类，还有没有别的。
|
|
22
seetheworld OP @v24radiant 是的随机森林，下一步准备去试 XGBoost ，但这之前想把随机森林搞搞清楚
|
 |
23
lovegoogle 233 天前
AI 深度学习，机器学习（从 svm 到集成都做过），有自己的服务器，接过多个有关项目，需要合作可联系~
|
|
24
seetheworld OP @lovegoogle 可否加 wx：gyn2013216 进一步交流
|
|
25
seetheworld OP @jasonlee16819 嗯嗯，谢谢建议，去仔细检查分析下
|
 |
26
lkx4102 233 天前
1 、看你训练集、测试集的 MAE ，RMSE 说明你的模型已经过拟合了
2 、R^2 = 1 - MSE/VAR ，看测试集的 RMSE 是比价大的，MSE 应该是会比较的大，那可能就是测试集的方差特别大 3 、随机森林不适合做回归预测 |
|
28
seetheworld OP @lkx4102 这是什么呀 T_T
|
|
29
lkx4102 233 天前
@seetheworld 微信，base64 编码
|
|
30
airqj 233 天前
@seetheworld #12 是的
|
 |
31
cbythe434 233 天前
测试集表现差比较多，参数调整下吧，深度搞浅一点，样本数量阈值拔一拔
|
 |
32
Jimmyisme 233 天前
居然能在 v2 看到机器学习，强烈建议 op 做一下 kaggle 的 https://www.kaggle.com/learn/intro-to-machine-learning ；
这上面有很多讲解，而且因为 notebook 都是有奖牌的，所以都会做的很 fancy 。比自己看书学有意思很多。 |
|
33
Jimmyisme 233 天前
前几年还能看到 ml 的金牌，但是最近几年的比赛 ml 都不太 work 了哈哈
|
 |
34
reoah2 233 天前
划分好训练集，验证集，测试集
|
|
35
fengzc 233 天前
@seetheworld 对的（ PR 等），我感觉这个 R 方等于 1 ，很大情况是和上面几位说的数据上有问题，应该是有大佬在帮 op 了，祝顺利哈哈
|
|
36
seetheworld OP @Jimmyisme 感谢，去看了一下，确实挺不错的。
|
Select Language