![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 78
AIGC人工智残
这个作者很懒,什么都没留下…
展开
-
机器学习——异常检测
异常点检测(Outlier detection),⼜称为离群点检测,是找出与预期对象的⾏为差异较⼤的对象的⼀个检测过程。这些被检测出的对象被称为异常点或者离群点。异常点(outlier)是⼀个数据对象,它明显不同于其他的数据对象。异常点检测的应用也十分广泛,例如:信用卡反欺诈、工业损毁检测、广告点击反作弊、刷单检测和羊毛党检测等等。一般异常检测是无监督学习,因为它不是二分类而是多分类问题。**问题1:**为什么要用无监督异常检测方法?很多场景没有标签或者标签很少,不能进行监督训练;原创 2023-07-28 17:46:12 · 3626 阅读 · 1 评论 -
机器学习——样本不均衡学习
一般在分类机器学习中,每种类别的样本是均衡的,也就是不同目标值的样本总量是接近的,但是在很多场景下的样本没有办法做到理想情况,甚至部分情况本身就是不均衡情况:(1)很多场景下,数据集本身不平和,部分类别的数据多于其他数据;(2)固定场景下,例如风控的场景,负样本的比例远远小于正样本的占比;(3)梯度下降过程中,不同类别的样本量比较大时,模型本身很难做到收敛最优解。原创 2023-07-28 14:01:42 · 1098 阅读 · 0 评论 -
lightGBM实例——特征筛选和评分卡模型构建
数据还是采用这个例子里的数据,具体背景也同上。跟评分卡公式对其进行评分并划分等级。绘制bad_rate和ks折线图。将训练集的数据进行分组。原创 2023-07-27 14:56:07 · 1118 阅读 · 0 评论 -
集成学习——Boosting算法:Adaboost、GBDT、XGBOOST和lightGBM的简要原理和区别
Boosting算法是通过串联的方式,将一组弱学习器提升为强学习器算法。它的工作机制如下:(1)用初始训练集训练出一个基学习器;(2)依据基学习器的表现对训练样本分布进行调整,使得之前做错的训练样本在之后中得到最大的关注;(3)用调整后的样本分布进行下一个基学习器;(4)重复2-3的步骤,直到基学习器的数量达到了指定的T值后(5)将T个基学习器进行加权组合得到集成的学习器。而根据策略不同,会有Adaboost和GBDT、XGBoost三种常见的Boosting算法。原创 2023-07-25 21:34:05 · 3457 阅读 · 0 评论 -
集成学习——Bagging算法和随机森林算法
分类结果更加准确处理高纬度的特征,不用进行特征选择允许数据缺失,但仍然可以维持较高的准确度学习的速度快能够筛选出特征的重要性能够进行并行计算能够检测特征之间的相互影响。原创 2023-07-25 16:10:52 · 510 阅读 · 0 评论 -
特征工程——特征构造
梳理ER图类似于sql的数据库表的设计,表明数据之间的联系特征文档整理将ER图中的表结构整理到特征文档中,可以清楚知道取这些数据的意义。原创 2023-07-18 20:22:13 · 563 阅读 · 0 评论 -
决策树和随机森林实例——泰坦尼克号存活问题
任务:预测泰坦尼克号乘客能否存活 预测模型 分类问题在本次案例中,随机森林的各方面性能和评分会比决策树更好一些。原创 2023-07-17 11:46:01 · 1061 阅读 · 0 评论 -
机器学习——决策树
剪枝是指将一颗子树的子节点全部删掉,利用叶子节点替换子树(实质上是后剪枝技术),也可以(假定当前对以root为根的子树进行剪枝)只保留根节点本身而删除所有的叶子。原创 2023-07-13 10:38:55 · 63 阅读 · 0 评论 -
分类算法在实际应用中能用于哪些场景
分类算法通过对已知类别训练集的计算和分析,从中发现类别规则并预测新数据的类别。原创 2023-06-16 17:24:48 · 709 阅读 · 0 评论 -
快消企业营销额预测——回归分析实战
快消企业需要对商超⻔店的销售额进⾏预测,然后量化⾃身所能控制的各种促销因素所能产⽣的效果,对营销资源做出合理规划。原创 2023-06-14 14:29:20 · 271 阅读 · 1 评论 -
预测facebook签到位置——KNN模型
本次比赛的目的是预测一个人将要签到的地方。为了本次比赛,Facebook创建了一个虚拟世界,其中包括10公里*10公里共100平方公里的约10万个地方。对于给定的坐标集,您的任务将根据用户的位置,准确性和时间戳等预测用户下一次的签到位置。数据被制作成类似于来自移动设备的位置数据。原创 2023-06-14 15:30:58 · 295 阅读 · 0 评论 -
机器学习之逻辑回归
逻辑回归(Logistic Regression)是机器学习中的⼀种分类模型,由于算法的简单和⾼效,在实际中应⽤⾮常⼴泛。逻辑回归就是解决⼆分类问题的利器,例如广告点击率、是否为垃圾邮件、是否患病、金融诈骗和虚假账号。原创 2023-06-14 17:32:27 · 78 阅读 · 0 评论 -
彻底掌握准确率、精准率、召回率和ROC曲线——分类模型评估方法
分类模型应用的方面比较多,比如一个发生概率为90%的事件,如果只是按照准确率进行评估模型的话,那么该模型会将所有结果一律为正例反馈给你,这个准确率就高达90%了,但该模型没有实际意义。为了应对这种情况我们需要用到其他的评估方法来评价模型。原创 2023-06-15 15:35:34 · 471 阅读 · 0 评论