机器学习
文章平均质量分 76
bigdata_wangzhe
这个作者很懒,什么都没留下…
展开
-
机器学习之决策树
树模型决策树:从根节点开始一步步走到叶子节点(决策)所有的数据最终都会落到叶子节点,既可以做分类也可以做回归树的组成根节点:第一个选择点非叶子节点与分支:中间过程叶子节点:最终的决策结果决策树的训练与测试训练阶段:从给定的训练集构造出来一棵树(从跟节点开始选择特征,如何进行特征切分)测试阶段:根据构造出来的树模型从上到下去走一遍就好了一旦构造好了决策树,那么分类或者预测任务就很简单了,只需要走一遍就可以了,那么难点就在于如何构造出来一颗树,这就没那么容易了,需要考虑的原创 2021-03-23 15:14:12 · 211 阅读 · 0 评论 -
机器学习之逻辑回归
线性回归拟合的平面,斯塔是偏置项整合误差真实值和预测值之间肯定是要存在差异的,x是真实值,y是预测值(用 来表示该误差)对于每个样本:似然函数解释: 什么样的参数跟我们的数据组合后恰好是真实值对数似然解释: 乘法难解,加法就容易了,对数里面乘法可以转换成加法目标:让似然函数(对数变换后也一样)越大越好梯度下降目标函数:学习率(步长):对结果会产生巨大的影响,一般小一些如何选择:从小的时候,不行再小批处理数量:32,64,128都可以,很多时候还得考原创 2021-03-22 23:27:59 · 180 阅读 · 0 评论 -
机器学习术语表
监督学习(Supervised learning)通过已有的一部分输入数据与输出数据之间的对应关系,生成一个函数,将输入映射到合适的输出,如分类。监督学习是使用已知正确答案的示例来训练网络的。监督式学习的算法有决策树学习,SVM,KNN等回归分析和统计分类的算法。非监督式学习(Unsupervised learning):直接对输入数据集进行建模,如聚类.对比监督式学习,无监督式学习网络在学习时并不知道其分类结果是否正确,即没有受到监督式增强(告诉它何种学习是正确的)。无监督学习适用于具有数据集但无标原创 2021-03-03 20:40:35 · 2662 阅读 · 0 评论