![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 91
椛丿未眠”
这个作者很懒,什么都没留下…
展开
-
机器学习常用特征筛选方法
赛题回顾抗胰腺癌候选药物分子优化建模Mole—文件提供了候选药物分子的784个属性值,包含training和test两个表,分别有1974个分子和50个分子。ER-----文件提供了这些候选分子的IC50和pIC50值的大小,用于衡量分子活性,其中pIC50是IC50的负对数,取负对数的原因是为了使pIC50大小与分子活性呈正相关。同样包含training表和test表,training表中分子活性标志值pIC50已经给出,test表中的值未给,是问二需要自己预测的值问一:从分子的784个属性特征中原创 2021-10-24 11:56:24 · 12757 阅读 · 0 评论 -
机器学习的分类模型评价方法
layout: posttitle: 机器学习的分类模型评价方法description: 模型评价tag: 机器学习分类模型评价方法评估分类器(分类模型)相对于评估回归器通常要复杂,本篇以MNIST数据集的手写数字识别分类为例,记录常用的分类器评估方法。交叉验证:Cross-Validation留一交叉验证:(Leave-One-Out Cross Validation记为LOO-CV)在数据缺乏的情况下使用,如果设原始数据有N个样本,那么LOO-CV就是N-CV,即每个样本单独作为.原创 2021-10-05 16:46:04 · 1720 阅读 · 0 评论 -
机器学习入门例程:Iris 线性回归模型之——逻辑斯蒂回归模型&LDA模型
Iris 鸢尾花数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录,每类各 50 个数据,每条记录都有 4 项特征:花萼长度、花萼宽度、花瓣长度、花瓣宽度,可以通过这4个特征预测鸢尾花卉属于(Setosa, Versicolour, Virginica)中的哪一品种。本文就该数据集进行简单的机器学习入门代码操作实验,分别采用逻辑斯蒂回归模型、LDA(线性判别分析)模型训练一个Setosa 和Versicolor的线性分类器,并可视化线性分类效果,比较两种原创 2020-06-19 22:09:13 · 3563 阅读 · 4 评论