ML.NET教程之情感分析(二元分类问题)
机器学习的工作流程分为以下几个步骤： 理解问题 准备数据 加载数据 提取特征 构建与训练 训练模型 评估模型 运行 使用模型 理解问题 本教程需要解决的问题是根据网站内评论 ...
原文：ML.NET教程之客户细分(聚类问题)
理解问题 客户细分需要解决的问题是按照客户之间的相似特征区分不同客户群体。这个问题的先决条件中没有可供使用的客户分类列表，只有客户的人物画像。 数据集 已有的数据是公司的历史商业活动记录以及客户的购买记录。 offer.csv： transaction.csv： 预处理 需要对两个数据集做关联处理，这样才能得到单一的视图。同时由于需要比较客户所产生的交易，还需要建立一张透视表。行代表客户，列代表商 ...
2018-12-31 20:18 8 582 推荐指数：
相关推荐
ML.NET教程之出租车车费预测(回归问题)
理解问题 出租车的车费不仅与距离有关，还涉及乘客数量，是否使用信用卡等因素(这是的出租车是指纽约市的)。所以并不是一个简单的一元方程问题。 准备数据 建立一控制台应用程序工程，新建Data文件夹，在其目录下添加taxi-fare-train.csv与taxi-fare-test.csv文件 ...
ML.NET技术研究系列-2聚类算法KMeans
上一篇博文我们介绍了ML.NET 的入门： ML.NET技术研究系列1-入门篇 本文我们继续，研究分享一下聚类算法k-means. 一、k-means算法简介 k-means算法是一种聚类算法，所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度 ...
使用ML.NET实现基于RFM模型的客户价值分析
RFM模型 在众多的客户价值分析模型中，RFM模型是被广泛应用的，尤其在零售和企业服务领域堪称经典的分类手段。它的核心定义从基本的交易数据中来，借助恰当的聚类算法，反映出对客户较为直观的分类指示，对于没有数据分析和机器学习技术支撑的初创企业，它是简单易上手的客户分析途径之一。 RFM ...
ML.NET 1
ML.NET 示例：目录 ML.NET 示例中文版：https://github.com/feiyun0112/machinelearning-samples.zh-cn英文原版请访问：https://github.com/dotnet/machinelearning-samples ...
ML.NET 示例：目录
ML.NET 示例中文版：https://github.com/feiyun0112/machinelearning-samples.zh-cn 英文原版请访问：https://github.com/dotnet/machinelearning-samples ML.NET 示例 ...
ML.NET速览
什么是ML.NET？ ML.NET是由微软创建，为.NET开发者准备的开源机器学习框架。它是跨平台的，可以在macOS，Linux及Windows上运行。 机器学习管道 ML.NET通过管道(pipeline)方式组合机器学习过程。整个管道分为以下四个部分： Load Data 加载 ...
ML.Net Model Builder
ML.Net Model Builder ML.NET技术研究系列1-入门篇 近期团队在研究机器学习，希望通过机器学习实现补丁发布评估，系统异常检测。业务场景归纳一下： 收集整理数据（发布相关的异常日志、告警数据），标识出补丁发布情况（成功、失败 ...