新的算法产生起来非常困难, 2022年搞不好也不会是另外的情况。可是呢, 依旧存在一些机器学习算法以及库在往后会更受大家青睐。这些算法之所以显得不一样, 是由于它们具备一些在其他算法当中并非普遍存在的优点, 我会在这篇文章里对这些优点展开详细的探讨。不管可不可以在你的模型里运用不一样的数据类型, 不论能不能把内置算法融入到你当下公司的基础设施内, 哪怕是能够在一处对比几种算法的成功指标, 你皆可期, 这些算法和库会因各类缘由在来年变得更受青睐。接下来, 咱们进一步去了解一下2022年的某些新兴算法和库。也许是最新的算法, 鉴于它因愈发流行进而持续更新。此机器学习算法对处理分类数据的数据科学家尤为有用。您能够思索算法的优点, 它具备它们多数优点, 并且还拥有更多其他优点。以下是 的主要优点的文档在此。处在流行平台里的这个算法, 要是您的公司当下运用 AWS 技术栈或者打算去运用 AWS 技术栈, 这说不定是个好消息。借助回归神经网络, 它被用于预测应用里的有监督学习, 还用于时间序列应用里的有监督学习。以下是使用这个算法时需要用到的输入文件字段的一些示例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/部署速度相当快算法的文档在此。需要讨论的新算法数量不多, 我想纳入一种能对几种算法进行比较的库, 其中部分算法或许会更新迭代故而比较新颖。该库具备开源以及低代码的特性, 能够被引用。在我着手比较并最终选定用于我的数据科学模型的最终算法之际, 它能使我对新的以及即将流行的机器学习算法有更深入的了解。以下是使用这个库的一些好处的文档在此。总结要是你觉得这个列表不长, 那你就会察觉到并非每一年都会出现一组全新的机器学习算法。我期望这里所提及的三个算法或者库能够让文档更为丰富而且更受青睐, 因为它们棒极了并且有别于常见的逻辑回归、决策树之类的。总的来说, 以下是一些在2022年能够予以期待的全新的机器学习算法。* CatBoost - 算法 * DeepAR Forecasting - 算法/软件包 * PyCaret - 包括新算法的库我期望您会发觉我的这一篇文章既饶有趣味又具备实用性。不管您是不是认同文中的见解, 都可随意于下方留言, 说一说为何予以支持或者表示反对。您觉得我们还能够涵盖哪些更为关键的算法亦或是软件包/库呢? 这些固然能够进一步予以阐释, 不过我期望能够阐释一些更为独特的机器学习算法以及库。作者介绍Matt是高级数据科学家是人工智能领域顶尖作家, 是科技领域顶尖作家, 是教育领域顶尖作家, 是《面向数据科学》Data供稿作家。原文链接