分析区块链数据集的四种新机器学习方法(2)

导读: 在区块链数据集中,由于标记数据集的有限可用性,监督学习应用程序是有限的。非监督方法可能非常有效,但在缺乏其他模型或基准进行比较的情况下,

齐齐哈尔时尚网小编提示,记得把"分析区块链数据集的四种新机器学习方法(2)"分享给大家!

在区块链数据集中,由于标记数据集的有限可用性,监督学习应用程序是有限的。非监督方法可能非常有效,但在缺乏其他模型或基准进行比较的情况下,很难判断其性能。

为了帮助改进区块链数据分析中的非监督和监督方法,我们尝试使用一些近年来在机器学习社区中获得广泛关注的新方法。

新的机器学习方法,可以帮助我们了解区块链数据集

我们生活在机器学习研究技术的黄金时代。今天,机器学习框架和平台正在迅速整合许多技术,帮助实现传统监督和非监督方法之外的新功能。我们发现其中一些技术与区块链数据集的分析非常相关。

半监督学习

半监督学习是近年来备受关注的机器学习领域之一。从概念上讲,半监督学习是监督学习的一种变体,它结合了用于训练的标记和未标记数据集。半监督学习的原理是利用少量的带标签的监督学习和大量的无标签的非监督学习数据,在许多情况下可以比完全监督的模型产生更好的准确性。

齐齐哈尔时尚网 qqdjxw.com

共2页: 上一页12下一页