当我发现机器学习时,我看到了不同的有趣技术,例如:
- 使用以下技术自动调整算法
grid search
: - 打通的相同的“类型”的不同算法的组合更准确的结果,那就是
boosting
, - 通过对不同算法的组合得到更准确的结果(但不是同一个类型的算法),这就是
stacking
, - 可能还有更多我仍要发现...
我的问题是:所有这些部分。但是,是否有可能将它们组合在一起,以形成一种算法,该算法通过充分利用所有技术中的优势来将输入的清洁数据作为输入并输出良好的结果?(当然,专业数据科学家的工作效率可能会降低,但他会比我更好!)如果是,您是否有示例代码,或者您知道可以做到这一点的框架吗?
编辑:经过一些答案后,似乎必须进行一些缩小。让我们举个例子,我们有一列包含分类数据,我们称之为它,y
并且我们希望从X
虚拟数据或实际数值数据(高度,温度)的数值数据进行预测。我们假设以前已经清洁过。是否存在可以获取此类数据并输出预测的现有算法?(通过测试多种算法,对其进行调整,增强等),如果是,它的计算效率是否很高(如果与正常算法进行比较,是否可以在合理的时间内完成计算),您是否有代码示例?
auto.arima
(来自forecast
图书馆)可能比人类更好-Rob Hyndman在演讲中多次提到。因此,在某些领域成功应用了一些“自动学习”。