机器学习
chenxinvhai89
这个作者很懒,什么都没留下…
展开
-
机器学习模型优化方式之---------凸函数与拉格朗日乘子法(待补充)
凸函数 对于一元函数f(x),如果对于任意tϵ[0,1]均满足:f(tx1+(1−t)x2)≤tf(x1)+(1−t)f(x2),则称f(x)为凸函数(convex function) 判断一个函数是否是凸函数? 对于一元函数f(x),我们可以通过...原创 2019-02-27 10:29:16 · 2304 阅读 · 0 评论 -
完整的机器学习项目流程
转载。https://github.com/imhuay/Algorithm_Interview_Notes-Chinese/blob/master/A-机器学习/A-机器学习实践.md数学抽象 明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情,胡乱尝试时间成本是非常高的。 这里的抽象成数学问题,指的是根据数据明确任务目标,是分类、还是回归,或者是聚类。 数据...原创 2019-02-27 10:41:21 · 197 阅读 · 0 评论 -
数据清洗和特征处理
1、数据预处理量纲不一0-1标准化:对原始数据进行线性变换,将特征映射在0-1区间内 标准化=(原数据-最小值)/(最大值-最小值)z标准化:将特征值的均值和标准差进行数据的标准化,计算后的数据在0上下波动。 ...原创 2019-02-27 10:54:45 · 593 阅读 · 0 评论 -
模型的评估方法
引言 分类算法有很多,不同分类算法又用很多不同的变种。不同的分类算法有不同的特定,在不同的数据集上表现的效果也不同,我们需要根据特定的任务进行算法的选择,如何选择分类,如何评价一个分类算法的好坏,前面关于决策树的介绍,我们主要用的正确率(accuracy)来评价分类算法。 正确率确实是一个很好很直观的评价指标,但是有时候正确率高并不能代表一个算法就好。比如某个地区某天地震的预测,假设我...原创 2019-02-27 11:17:48 · 585 阅读 · 0 评论 -
L1 与L2损失函数和正则化的区别
文章转载https://www.cnblogs.com/jclian91/p/9824310.html在机器学习实践中,你也许需要在神秘的L1和L2中做出选择。通常的两个决策为:1) L1范数 vs L2范数 的损失函数; 2) L1正则化 vs L2正则化。作为损失函数 L1范数损失函数,也被称为最小绝对值偏差(LAD),最小绝对值误差(LAE)。总的说来,它是把目标值(YiYi)...转载 2019-06-10 16:45:55 · 562 阅读 · 0 评论 -
LR专题
原创 2019-06-10 16:51:32 · 107 阅读 · 0 评论