恭喜您完成数据准备和特征工程, 机器学习!
现在,您对如何执行以下操作应该有了更深入的了解:
- 认识数据质量和大小对算法的相对影响。
- 就转换数据的时间设定明智且切合实际的预期。
- 解释在 Google Cloud 项目中收集和转换数据的典型过程 整体机器学习工作流。
- 收集原始数据并构建数据集。
- 对数据集采样和拆分,同时考虑不平衡数据的注意事项。
- 转换数值数据和分类数据。
恭喜您完成数据准备和特征工程, 机器学习!
现在,您对如何执行以下操作应该有了更深入的了解:
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2024-08-14。