![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计机器学习
统计机器学习方法
赵晞兮
这个作者很懒,什么都没留下…
展开
-
机器学习(06)-SVM算法调参(基于sklearn)
SVM算法调参(基于sklearn)简介核函数参数理解惩罚系数正则化参数penalty损失函数多分类问题SVM分类算法SVM回归算法简介scikit-learn中SVM的算法库分为两类,一类是分类的算法库,包括SVC, NuSVC,和LinearSVC。另一类是回归算法库,包括SVR, NuSVR,和LinearSVR 。SVM和NuSVM区别仅仅在于对损失的度量方式不同,NuSVM...原创 2020-05-17 10:57:45 · 3231 阅读 · 0 评论 -
机器学习(08)-集成学习之随机森林原理详解
随机森林详解1. 随机森林的简介2. 随机森林算法2.1. Bagging算法2.2. 随机森林算法原理2.3 随机森林的OOB估计2.4 随机森林的特征选取2.4.1. 随机输入变量选取2.4.2. 随机组合输入变量2.4.3 随机特征数的确定2.5. 随机森林的优缺点2.5.1. 随机森林优点2.5.2. 随机森林缺点3. 应用举例(python代码实现)4. 参考文献1. 随机森林的简介随机森林(Random Forest,简称RF)拥有广泛的应用前景,从市场营销到医疗保健保险,既可以用来做市场营原创 2020-05-17 10:56:25 · 3878 阅读 · 0 评论 -
机器学习(10)-随机森林案例(调参)之公共自行车使用量预测
随机森林案例之公共自行车使用量预测1. 前言1.1 背景介绍1.2 任务类型1.3 数据文件说明1.4 数据变量说明1.5 评估方法2. 数据预处理2.1 观察数据有没有缺失值2.2 观察每个变量的基础描述信息2.3 查看相关系数3. 模型训练及其结果展示3.1 标杆模型:简单线性回归模型3.2 决策树回归模型3.3 随机森林回归模型3.4 随机森林回归模型调参过程说明3.4.1 RF Bagging框架参数3.4.2 RF决策树参数3.4.3 RF调参3.5 随机森林回归模型调参3.5.1 使用grid原创 2020-05-17 10:55:34 · 5749 阅读 · 8 评论 -
机器学习(03)—性能度量
机器学习模型评估重采样方法模型泛化性能度量模型评估也是机器学习研究中重要的一部分,主要分为三个步骤:对数据集进行划分,分为训练集和测试集两部分;对模型在测试集上面的泛化性能进行度量;基于测试集上面的泛化性能,依据假设检验来推广到全部数据集上面的泛化性能。重采样方法交叉验证法自助法(bootstrap)模型泛化性能度量为了将不同的学习算法的泛化性能进行全面的比较,光靠学习器对某...原创 2020-04-10 00:13:48 · 632 阅读 · 0 评论 -
机器学习(00)—统计机器学习概念
统计学习概念1. 什么是统计学习1.1什么时候需要估计fff预测(可以不知道fff的具体形式)推断(必须明确YYY与XXX的关系)1.2 如何估计fff参数方法非参数方法1.3预测精度与模型解释性的权衡1. 什么是统计学习一般情况,假设观察到一个定量的响应变量(输出变量)YYY和ppp个不同的预测变量(输入变量)X1,X2,...,XpX_1, X_2, ...,X_pX1,X2,...,...原创 2020-04-09 10:22:45 · 390 阅读 · 0 评论 -
机器学习(02)—模型评估
交叉验证法验证集方法留一交叉验证法(leave-one-out cross-validation, LOOCV)k折交叉验证法(k-fold CV)k折交叉验证的偏差—方差权衡交叉验证法在分类问题中应用验证集方法验证集方法是一种非常简单的方法:首先随机的把获得的观测集分为两部分:训练集和验证集。模型在训练集上拟合,然后用拟合的模型来预测验证集中观测的响应变量(因变量)。最后得到一个验证集的错...原创 2020-04-03 13:48:31 · 971 阅读 · 0 评论