- 博客(5)
- 收藏
- 关注
RSS订阅转载 Machine Learning笔记整理 ------ （五）决策树、随机森林
1. 决策树 一般的，一棵决策树包含一个根结点、若干内部结点和若干叶子结点，叶子节点对应决策结果，其他每个结点对应一个属性测试，每个结点包含的样本集合根据属性测试结果被划分到子结点中，而根结点包含样本全集，从根结点到每个叶子结点的路径对应了一个判定测试序列。其基本流程如下所示： 输入：训练集D={(x1,y1), (x2, y2), ......, (xm, ym)} ...
2018-11-28 17:15:00
303
转载 Machine Learning笔记整理 ------ （四）线性模型
1. 线性模型 基本形式：给定由d个属性描述的样本 x = (x1; x2; ......;xd)，其中，xi是x在第i个属性上的取值，则有： f(x) = w1x1 + w2x2+ ...... + wdxd + b 令w=(w1; w2; ......; wd)，x =(x1;x2; ......;xd)，使用矩阵乘法写为向量形式： f(x) = wTx + b ...
2018-11-27 15:17:00
111
转载 Machine Learning笔记整理 ------ （三）基本性能度量
1. 均方误差，错误率，精度 给定样例集 (Example set)： D = {(x1, y1), (x2, y2), (x3, y3), ......, (xm, ym)} 其中xi是对应属性的值，yi是xi的真实标记，评估模型性能，即将预测结果f(x)与真实标记y进行比较。 对于回归任务：均方误差 (Mean squared error) 更一般的，对于数据分布D和概...
2018-11-26 22:14:00
165
转载 Machine Learning笔记整理 ------ （二）训练集与测试集的划分
在实际应用中，一般会选择将数据集划分为训练集（training set）、验证集（validation set）和测试集（testing set）。其中，训练集用于训练模型，验证集用于调参、算法选择等，而测试集则在最后用于模型的整体性能评估。 1. 留出法 (Hold-out) 将数据集D划分为2个互斥子集，其中一个作为训练集S，另一个作为测试集T，即有： D = S ∪ T， S...
2018-11-23 17:33:00
339
转载 Machine Learning笔记整理 ------ （一）基本概念
机器学习的定义：假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E，使其在T中任务获得了性能改善，我们则说关于任务类T和P，该程序对经验E进行了学习（Mitchell, 1997）。 机器学习的研究内容：关于在计算机上从数据中产生模型的算法，即学习算法（learning algorithm）。 1.名词定义 数据集 (Data set)：数据的集合，其中每...
2018-11-23 15:43:00
116
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人