- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习-回归算法中利用RidgeCV回归、LASSOCV回归、Elastic NetCV弹性网算法络解决过拟合问题
K折交叉验证：在模型训练的过程中，主要用于模型参数选择的一种方式。步骤：1.将fit传入的train中的训练数据平均分成K份2.对于当前模型参数，使用K-1份数据作为模型的训练数据，另外一份数据作为模型的验证数据集。3.使用上一步，遍历所有的模型参数取值，得到所有的模型的衡量值s4.使用模型效果衡量值最好的那个对应算法模型作为最终的模型形如：RidgeCV(alphas=[0.1,0....
2019-05-03 16:42:25
1590
原创 机器学习-回归算法中使用多项式——管道解决欠拟合问题
管道操作：代码如下：#引入所需要的包import sklearnfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing import StandardScalerfrom sklearn...
2019-05-02 21:26:57
321
原创 机器学习-回归算法中使用多项式解决欠拟合问题
算法模型构建过程中，需要注意下面两个方面：1、算法模型的误差不能太大（预测值和真实值之间的误差不能太大）a. 如果模型的误差比较大(1) 如果是训练集数据存在该问题：欠拟合：该模型没有找到特征属性和目标属性之间的关系。导致的原因：算法的学习能力比较弱、样本少、有用的特征属性数目少解决方案：换一种学习能力比较强的算法。例如：SVM、集成算法…增加样本数量（基于现有的数据产...
2019-05-02 17:53:39
615
原创 机器学习-回归算法
回归算法：是一种有监督 的算法。回归算法是一种比较常用的机器学习算法，用来表示自变量X和因变量Y之间的关系。从机器学习的角度，构建一个算法模型来做属性X与标签Y之间的映射关系。...
2019-05-02 10:23:19
493
原创 机器学习-模型训练及测试
模型选择：对不同的任务选择不同的方法，最终的目的是选择最优的建模方法。模型训练：把数据集分为两部分，训练集和测试集。用训练集作为模型的训练；测试集作为评估模型的好坏。如果模型的效果不好，就需要重新更改数据、更改特征工程或者更改模型参数，来重新训练模型。在模型训练的时候，训练集会自动进行数据模型参数的修改，最终会返回最优的参数模型，这种方式成为交叉验证(将训练集分为子训练集和验证集)模型训练尽可...
2019-04-30 11:37:31
3021
原创 机器学习-文本数据抽取(词袋法和IF-IDF)
词袋法：将文本作为一个无序的集合，文本特征可以采用文本中出现词条T来表示，则文本中出现的所有词条T的次数可以作为文本的特征。形如：1、海岛游2、内地游/云南游特征单词：岛、椰树、海水、海、云南、三亚、马尔代夫、太阳镜、防晒霜、雪山、的第一篇： 0 1 3 4 1 0 0 ...
2019-04-30 10:21:10
2640
原创 机器学习-类型特征转换1-of-k(哑编码)
功能：将非数值型的特征值（类别特征值）转换为数值型的数据描述：假设变量的取值有K个，如果对这些值用1到K编序，则可用维度为K的向量来表示一个变量的值。在这个向量中，该取值所对应的序号所在的元素为1，其它元素均为0。形如：A B C1 2 3则 A:1 0 0 所以AB之间的距离为√2B:0 1 0 AC之间的距离为√2 因此，AB和AC之间的相似...
2019-04-30 09:27:38
2584
空空如也
json 格式转化为png
2022-08-22
TA创建的收藏夹 TA关注的收藏夹
TA关注的人