机器
chenyueue
这个作者很懒,什么都没留下…
展开
-
机器学习分类调参、评估
@[toc] 机器学习分类调参、评估 def simu_data(): from sklearn.datasets import load_iris,load_breast_cancer # raw = load_iris() raw = load_breast_cancer() df = pd.DataFrame(raw.data) df.columns = raw.feature_names df['label'] = raw.target ret原创 2021-03-29 22:31:11 · 264 阅读 · 4 评论 -
分类算法
分类问题分类逻辑回归决策树贝叶斯SVM 分类 逻辑回归 决策树 贝叶斯 SVM原创 2021-03-27 00:42:25 · 111 阅读 · 0 评论 -
调参
调参参数类型参数超参调参方法 参数类型 非水卡,调参没啥内容。如果非要说什么的话,可以调研不同算法的超参都有哪些,各自代表什么含义,大概区间范围是多少,然后使用相应调参工具自动调参就行。 要对参数有概念,一开始认为机器学习学的就是这些参数啊,后来才意识到,参数也分为两种,超参和机器学习拟合的参数。 参数 通过数据,算法自己学习出来的权重等。 超参 不是通过数据学出来的,是一些先验的设定,需要人工手动选择。 调参方法 调参的方法有很多GridSearchCV、RandomizedSearchCV、skopt、原创 2021-03-24 18:16:00 · 421 阅读 · 0 评论 -
Bias-variance trade off
偏差方差分析偏差方差分析正则化测试误差估计 偏差方差分析 正则化 测试误差估计原创 2021-03-22 21:34:48 · 262 阅读 · 0 评论 -
回归模型
回归模型一、一元线性回归二、多元线性回归三、多项式回归广义加模型回归树SVR 一、一元线性回归 线性回归是以前用latex 整理的笔记,这里不知道怎么将latex 直接转化过来直接上图吧 二、多元线性回归 三、多项式回归 多项式回归基本思想就是增加高阶项,从而增加模型的非线性拟合能力 广义加模型 回归树 回归树,以前看的都是分类树,ID3 树、C4.5树都是分类树,主要是用信息增益和信息增益比进行分割。CART 树是Breiman等人在1984年提出的算法,即可以做分类也可以做回归。做分类使用基尼原创 2021-03-18 14:48:01 · 258 阅读 · 0 评论 -
机器学习的基本任务
机器学习的主要任务机器学习概述一、有监督学习1.1 回归1.2 分类二、无监督学习 机器学习概述 机器学习是利用计算机基于数据统计规律构建概率统计模型并运用模型进行预测与分析的一门学学科,机器血包括监督学习、无监督学习、半监督学习、强化学习等1。 机器学习的几个最根本假设是:独立同分布假设。也就是样本之间相互独立,并且服从相同的统计分布规律。 统计学习的三要素为模型、策略、算法1。 一、有监督学习 监督学习简单来说就是给定数据特征并人为给数据进行打标签,然后给定损失函数,用特定的算法拟合由 x 到 y 的映原创 2021-03-15 13:44:47 · 1031 阅读 · 0 评论