
课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
Python编程开发语言随着互联网的不断发展而被众多程序员学习与应用,而本文我们就通过案例分析来了解一下,Python编程算法与库的常见类型。
1、CatBoost
CatBoost可能是新的算法,因为它随着越来越流行而不断更新。这个机器学习算法对于处理分类数据的数据科学家特别有用。您可以考虑RandomForest和XGBoost算法的优点,CatBoost具有它们的大部分优点,同时还具有更多其它的优点。
以下是CatBoost的主要优点:
无需担心参数调整——默认值通常会胜出,通常不值得手动调整,除非您想通过手动更改值来针对特定的异常分布
更准确——不太过拟合,并且当您使用更具分类性的特征时,往往会得到更准确的结果
快速——这种算法往往比其它基于树的算法更快,因为它不必担心用于示例的使用独热编码的大型稀疏数据集,因为它使用了一种目标编码
更快地预测——您可以更快地训练,这样您也就可以更快地使用您的CatBoost模型进行预测
2、DeepARForecasting
这个算法内置在流行平台AmazonSageMaker中,如果您的公司目前使用AWS技术栈或者想要使用AWS技术栈,这可能是个好消息。在回归神经网络的帮助下,它用于预测/时间序列应用中的有监督学习。
以下是使用这个算法/架构的一些优点:
易于建模——在相同的地方构建/训练/部署,速度相当快
简单的架构——聚焦于更少的编码,更多地关注您的数据和需要解决的业务问题当然,这个算法还有更多优点,所以我只是简单地介绍了下,因为不是所有的读者都在使用AWS。
3、PyCaret
因为没有太多的新算法需要讨论,我想包括一种能够比较几种算法的库,其中一些算法可能会更新迭代,所以比较新。这个Python库是开源和低代码的,可以被引用。
以下是使用这个库的一些好处:
更少的编码时间——您不需要导入库,也不需要设置每个算法特有的每个预处理步骤,相反,您可以填写一些参数,让您可以将几乎所有您听说过的算法并排进行比较
易于使用——随着库的演变,它们的易用性也在不断提高。
端到端处理——可以研究从数据转换到预测结果的数据科学问题
集成良好——可以PowerBI中使用AutoML
整合——可以加入不同的算法以获得更多好处
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。