2022 年顶级机器学习算法和 Python 库，【原理 + 实战 + 视频 + 源码】

• start

• target

• dynamic _feat

• cat

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。

DeepAR Forcasting 算法的文档

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。当我开始比较并最终选择我的数据科学模型的最终算法时，它让我更加了解新的和即将流行的机器学习算法。

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 Power BI 中使用 AutoML

• 整合——可以加入不同的算法以获得更多好处

• 校准和优化模型

• 关联规则挖掘

• 更重要的是， 一次性比较 20+算法 总的来说，这个库虽然并不是一个新算法，但是它很可能包含 2022 年的新算法，或者至少是最新的算法，甚至像上面提到的 CatBoost 这样的算法都包含在这个库中——这就是我如何发现它的。话虽如此，我认为重要的是要包含这个库，这样您不仅可以了解 2022 年的最新算法，还可以了解您以前没有听说过或者错过的比较老的算法，因为您可以通过简单的用户界面将它们并排进行比较。

PyCaret 的文档

总结

--

如果你认为这个列表很短，那么你就会意识到并不是每年都会有一组新的机器学习算法。我希望这里提到的 3 个算法或库能够增添文档并更受欢迎，因为它们非常棒且不同于通常的逻辑回归/决策树等。

总而言之，以下是 2022 年可以期待的一些新的机器学习算法：

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到 1 套比较全的学习资源之前，我并没着急去看第 1 节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做 1 个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习