![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
技术——机器学习
我是杨老师-AI
I'm a teacher.
展开
-
干货:结合Scikit-learn介绍几种常用的特征选择方法
【转】http://dataunion.org/14072.html作者: Edwin Jarvis特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能,更能帮助我们理解数据的特点、底层结构,这对进一步改善模型、算法都有着重要作用。特征选择主要有两个功能:减少特征数量、降维,使模型泛化能力更强,减少过拟合增强对特征和特征转载 2017-01-11 11:03:51 · 482 阅读 · 0 评论 -
【转】numpy中数组的拼接
【转】https://blog.csdn.net/xiaodongxiexie/article/details/71774466repo 用来记录一些python技巧、书籍、学习链接等,欢迎stargithub地址python中的科学计算包numpy是一个非常好的扩展工具,numpy中最常见的就是针对数组ndarray的操作,部分操作与python内置的list(其拼接方式为append和exte...转载 2018-06-02 13:58:32 · 557 阅读 · 0 评论 -
【转】十分钟上手sklearn:特征提取,常用模型,交叉验证
【转】https://www.jianshu.com/p/731610dca805更多干货就在我的个人博客 http://blackblog.tech 欢迎关注!这一篇虽然叫做:十分钟上手sklearn:特征提取,常用模型,但是写着写着我就想把每一个模型都详细说一下,所以也可以看作是机器学习算法概述了。上一篇我们讲解了如何安装sklearn,导入自带数据集,创建数据,对数据进行预处理,通过上一篇的...转载 2018-06-02 13:53:46 · 1009 阅读 · 0 评论 -
【转】使用sklearn做各种回归
【转】https://blog.csdn.net/yeoman92/article/details/75051848使用sklearn做各种回归 基本回归:线性、决策树、SVM、KNN 集成方法:随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees1. 数据准备为了实验用,我自己写了一个二元函数,y=0.5*np.sin(x1)+ 0.5*np.cos...转载 2018-06-02 13:32:41 · 2130 阅读 · 0 评论 -
【转】scikit-learn随机森林调参小结
【转】https://blog.csdn.net/xuxiatian/article/details/54410086转自:http://www.cnblogs.com/pinard/p/6160412.html在Bagging与随机森林算法原理小结中,我们对随机森林(Random Forest, 以下简称RF)的原理做了总结。本文就从实践的角度对RF做一个总结。重点讲述scikit-learn中...转载 2018-06-02 13:27:02 · 277 阅读 · 0 评论 -
致Python初学者:Anaconda入门使用指南
【转】http://python.jobbole.com/87522/原文出处: 鱼心fishstar 打算学习 Python 来做数据分析的你,是不是在开始时就遇到各种麻烦呢?到底该装 Python2 呢还是 Python3 ?为什么安装 Python 时总是出错?怎么安装工具包呢?为什么提示说在安装这个工具前必须先安装一堆其他不明所以的工具?相信大多数 Python 的初学者们都曾为环境问...转载 2018-04-23 17:14:04 · 322 阅读 · 0 评论 -
机器学习中常见的几种最优化方法
【转】http://blog.csdn.net/owen7500/article/details/516016271. 梯度下降法(Gradient Descent)2. 牛顿法和拟牛顿法(Newton's method & Quasi-Newton Methods)3. 共轭梯度法(Conjugate Gradient)4. 启发式优化方法 5. 解决约束转载 2017-12-05 20:41:49 · 5505 阅读 · 0 评论 -
机器学习算法思想简单梳理
【转】http://www.cnblogs.com/tornadomeet/p/3395593.html 前言: 找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,转载 2017-12-05 20:02:30 · 234 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合--持续更新
【转】http://blog.csdn.net/lujiandong1/article/details/42031023计算机视觉、机器学习相关领域论文和源代码大集合--持续更新……zouxy09@qq.comhttp://blog.csdn.net/zouxy09 注:下面有project网站的大部分都有paper和相应的code。Co转载 2017-12-08 13:20:30 · 225 阅读 · 0 评论 -
特征选择常用算法
【转】http://www.cnblogs.com/heaad/archive/2011/01/02/1924088.html1 综述(1) 什么是特征选择特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ,或属性选择( Attribute Selection ) ,是指从全部特征中转载 2016-09-28 18:03:42 · 348 阅读 · 0 评论 -
迁移学习概念
[转]http://www.cnblogs.com/Gavin_Liu/archive/2009/12/12/1622281.html 在传统的机器学习的框架下,学习的任务就是在给定充分训练数据的基础上来学习一个分类模型;然后利用这个学习到的模型来对测试文档进行分类与预测。然而,我们看到机器学习算法在当前的Web挖掘研究中存在着一个关键的问题:一些新出现的领域中的大量训练数据非常难得到。转载 2016-09-28 15:18:12 · 479 阅读 · 0 评论 -
关于推荐系统中的特征工程
【转】http://www.36dsj.com/archives/16917在多数数据和机器学习的blog里,特征工程 Feature Engineering 都很少被提到。做模型的或者搞Kaggle比赛的人认为这些搞feature工作繁琐又不重要不如多堆几个模型,想入手实际问题的小朋友又不知道怎么提取feature来建模型。我就用个性化推荐系统做个例子,简单说说特征工程在实际的问转载 2017-01-06 20:27:02 · 1780 阅读 · 0 评论 -
京东广告推荐机器学习系统实践
【转】http://bigdata.it168.com/a2016/0913/2915/000002915998.shtml包勇军,2014年4月加入京东数字营销业务部,参与组建并带领模型团队,自主研发出京东大规模机器学习平台,同时还负责京东电商广告深度学习算法应用和优化的工作。 大家好,我是来自京东的包勇军,我今天分享的主题是《京东电商广告和推荐的机器学习系统实践》,介绍下我们转载 2017-01-06 20:31:52 · 32552 阅读 · 0 评论 -
CTR 预估候选集选择方案
【转】 http://www.jianshu.com/p/20620f13d761最近一段日子,怎么在一个大的新闻候选集合(假设有10w条新闻)选出用来做 CTR 预估的小集合(假设是100条新闻)困扰我们已久,昨夜我夜观星象,突来灵感,遂有此文。首先,我们需要明确选出这 100 条新闻的目的是什么?废话,不选个小集合 CTR 预估怎么算得过来。好,那么目的一便是确定一个精简的转载 2017-01-06 20:36:49 · 1388 阅读 · 0 评论 -
SimRank算法
【转】http://www.guokr.com/post/678281/SimRank 是一种基于图的拓扑结构信息来衡量任意两个对象间相似程度的模型,该模型由 MIT 实验室的 Glen Jeh 和 Jennifer Widom教授在2002年首先提出。[1]SimRank相似度的核心思想为:如果两个对象和被其相似的对象所引用(即它们有相似的入邻边结构),那么这两个对象也相似。近年来已转载 2017-01-06 20:41:15 · 5681 阅读 · 0 评论 -
机器学习中的特征——特征选择的方法以及注意点
【转】http://blog.csdn.net/google19890102/article/details/40019271关于机器学习中的特征我有话要说 在这次校园招聘的过程中,我学到了很多的东西,也纠正了我之前的算法至上的思想,尤其是面试百度的过程中,让我渐渐意识到机器学习不是唯有算法,机器学习是一个过程,这样的过程包括数据处理+模型训练,而数据处理又包括了特征提取,特征表转载 2017-01-06 20:51:37 · 396 阅读 · 0 评论