不是预测，是训练。
如果一些简单的模型比如 逻辑回归、加权求和，可以在java里训练就方便了。
1条回答 默认 最新
- 2022-02-07 01:05回答 1 已采纳 直接加载模型然后对新数据集进行预测啊，结果就是0或者1，然后把结果按照之前训练的数据集格式写入一个新的csv，这就是相当于打上标签了，但是这个标签不一定是全部对的，除非你能保证你的模型推理结果一定是正
- 2023-01-29 20:23回答 2 已采纳 XGBoost 默认是不能处理包含 inf 和 nan 的数据的，你需要先检测并处理掉数据中的无穷大或非数字值。 如果数据确实包含过大的浮点数导致了此类问题，你可以考虑对数据进行对数处理来减小数值的范
- 2019-09-11 08:50回答 2 已采纳 ``` # 1. # 交叉验证进行最优模型选择 from sklearn.model_selection import cross_val_score model = RandomFore
- 2024-06-18 11:41I'mAlex的博客 在进行机器学习和深度学习训练时，我们常常遇到训练loss（损失）不下降的难题。这可能源自多种因素，从数据质量到模型设计，再到训练配置与硬件资源。本篇技术博客将深入剖析这些原因，并提供实际的解决方案，辅以...
- 2022-06-01 10:23回答 1 已采纳 import pandas as pd import re import numpy as np from sklearn.ensemble import RandomForestRegressor
- 2023-03-15 11:26回答 2 已采纳 这篇博客: 机器学习数据集（训练集、测试集）划分方法中的 自助法(bootstrap) 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读: 以自助采样为基础，每次随机有放回的从
- 2022-03-02 23:00回答 1 已采纳 算法是算法，机器学习是机器学习，机器学习里的一些策略方法会用到算法来优化。机器学习的理论有的比较晦涩，而算法的原理往往简单易懂，一般机器学习需要用到最优化方面和概率方面的优化算法
- 2024-04-25 08:55在AI领域，机器学习是核心组成部分，而XGBoost是一种广泛应用的梯度增强（Gradient Boosting）框架，尤其在数据挖掘、预测模型构建以及各种竞赛中表现突出。本资料包"ai-机器学习算法实现之Xgboost.zip"显然旨在深入...
- 2021-09-04 20:06回答 2 已采纳 例如 encog （比较老的一个框架）可以用 save 导出。其他的肯定也有相关的，可以找找。 //EncogUtility.TrainToError(network, training, TAR
- 2022-10-08 10:42回答 1 已采纳 机器学习是一个更大的概念，只要数据能够根据输入进行调整都叫机器学习而深度学习是一个算法它们的关系类似“时间管理”和“番茄工作法”，“番茄工作法”是时间管理的其中一种方法深度学习是机器学习的一种实现手段
- 2021-07-20 09:45回答 2 已采纳 没有比较的意义，参考不一样
- 2024-08-13 06:00程风破～的博客 机器学习是人工智能 (AI) 的一个子集，是指机器或程序模仿人类行为并执行复杂任务的能力，这些任务模仿我们解决问题的能力。Java 是机器学习的顶级编程语言之一。在这里，我们将介绍可用的最佳库来帮助您构建机器...
- 2024-12-11 08:18Thinking moment的博客 深度学习是机器学习的一个分支，主要侧重于对于人工神经网络的开发。MLP 由多个层组成，每层包含多个神经元（也称为节点），并且每一层的神经元与下一层的所有神经元相连。这种归纳学习的方法可以让计算机学习一些...
- 2025-01-14 10:37大模型玩家的博客 在 AI 领域，推理（Inference）和训练（Training）是 AI 模型生命周期中的两个核心阶段，训练时，模型借大量数据与算法学习规律，此过程计算资源消耗巨大且耗时漫长，旨在构建精准模型。而推理则是利用已训练好的...
- 2025-01-11 09:00AGI大模型学习的博客 在GPU火之前，提到最多的就是CPU，那么二者有什么区别呢？❝GPU的计算单元数量比CPU多得多。以英伟达H100 GPU为例，它包含超过1.8万个核心，而顶级的Intel I9 CPU只有24个核心，GPU的核心数是CPU的700多倍。所以，...
- 没有解决我的问题, 去提问
