神经网络模型训练时长预测元数据集-oupavoc
数据来源：互联网公开数据
标签：神经网络,模型训练,机器学习,元学习,元特征,sklearn,时间序列,预测,算法评估
数据概述：
本元数据集旨在通过机器学习方法预测Sklearn（Scikit-learn）库中神经网络模型（Neural Network）的训练时长，为用户提供模型训练时间的预估，从而辅助模型选择和超参数优化。数据集的核心是通过pymfe（Python Meta-Feature Extractor）包提取得到的元特征。这些元特征描述了不同算法配置下的数据集特性，例如数据集的复杂度、统计特性、信息论特征等。数据集包含不同算法配置下的模型训练时长数据，以及对应的元特征。
数据用途概述：
该数据集主要用于机器学习模型的性能预测，尤其是神经网络模型的训练时长预测。研究人员可以使用此数据训练预测模型，例如回归模型或时间序列模型，来预测给定数据集和神经网络配置下模型的训练时间。这可以帮助用户在实际应用中，根据数据集的特征和计算资源，预估模型训练时间，从而优化模型选择、超参数调整和计算资源的分配，提高模型开发的效率。此外，该数据集也可用于元学习研究，探索不同元特征对模型训练时长的影响，以及不同元学习算法的性能比较。
