![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 87
AI阿远学长
大家好,我是阿远,具有kaggle、天池、科大讯飞、以及各大工业竞赛的相关经验。
专注于各类AI算法竞赛,数学建模,人工智能知识干货的分享,努力成为每一个竞赛小白的最佳引路人。
展开
-
集成学习中的Boosting和Bagging
集成学习是一大类模型融合策略和方法的统称,其中包含多种集成学习的思想。原创 2023-03-16 23:50:41 · 411 阅读 · 0 评论 -
机器学习中的线性回归基本要素
线性回归输出是一个连续值,因此适用于回归问题。回归问题在实际中很常见,如预测房屋价格、⽓温、销售额等连续值的问题。与回归问题不同,分类问题中模型的最终输出是一个**离散值**。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分类问题。原创 2023-03-11 17:53:00 · 325 阅读 · 0 评论 -
机器学习的优化算法
在确定了训练集D、假设空间F以及学习准则后,如何找到最优的模型fx;θ就成了一个最优化(Optimization)问题.机器学习的训练过程其实就是最优化问题的求解过程.在机器学习中,优化又可以分为参数优化和超参数优化.模型fx;θ中的θ称为模型的参数,可以通过优化算法进行学习.除了可学习的参数θ之外,还有一类参数是用来定义模型结构或优化策略的,这类参数叫作超参数(Hyper-Parameter)原创 2023-03-04 22:09:16 · 394 阅读 · 0 评论 -
机器学习的三个基本因素【模型、学习准则、优化算法】
机器学习是从有限的观测数据中学习(或“猜测”)出具有一般性的规律,并可以将总结出来的规律推广应用到未观测样本上。机器学习方法可以粗略地分为三个基本要素:模型、学习准则、优化算法。原创 2023-03-01 17:40:42 · 843 阅读 · 2 评论