- 博客(6)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 SVM参数详解
svm参数说明----------------------如果你要输出类的概率，一定要有-b参数svm-train training_set_file model_filesvm-predict test_file model_fileoutput_file自动脚本：python easy.py train_data test_data自动选择最优参数，自动
2016-05-26 14:02:40
85673
6
原创 机器学习-损失函数
损失函数（loss function）是用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是 经验风险函数 的核心部分，也是 结构风险函数 重要组成部分。模型的结构风险函数包括了经验风险项和正则项，通常可以表示成如下式子：其中，前面的均值函数表示的是经验风险函数，L代表的是损失函数，
2016-05-06 15:34:44
3479
1
原创 MySQL 下 ROW_NUMBER / DENSE_RANK / RANK 的实现
来自：http://blog.sina.com.cn/s/blog_562b10b901011c17.htmlCREATE TABLE test_rownum (ID int,Ke CHAR(1),val INT);INSERT INTO test_rownumSELECT 1, 'A', 1 UNION ALLSELECT 2, 'A', 2 UNIO
2016-05-01 17:07:38
4768
原创 python sklearn 分类算法简单调用
scikit-learn已经包含在Anaconda中。也可以在官方下载源码包进行安装。本文代码里封装了如下机器学习算法，我们修改数据加载函数，即可一键测试：[python] view plain copyclassifiers = {'NB':naive_bayes_classifier, 'KNN
2016-05-01 00:58:27
20328
14
原创 L1 L2正则化
正则化是结构风险最小化策略的实现，是在经验风险上加一个正则化项或罚项。正则化项一般是模型复杂度的单调递增函数，模型越复杂，正则化值就越大。最小化loss的同时，让w也最小化，L1可能会有部分w为0，L2会让部分w很小但不是为0L1 regularization(lasso)在原始的代价函数后面加上一个L1正则化项，即所有权重w的绝对值的和，乘以λ/nL2 regularization（权重衰减）(...
2016-05-01 00:10:28
3219
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人