机器学习
爱吃烧卖的馒头
这个作者很懒,什么都没留下…
展开
-
混淆矩阵、ROC、AUC
主要内容(1)混淆矩阵(主要指标)(2)绘制ROC(3)AUC(4)多分类-------------------------------------------------------------------------------------------------------------------------一、混淆矩阵样本 预测值 1 0 实...原创 2018-09-10 15:47:33 · 5607 阅读 · 0 评论 -
统计学习方法概述(模型、策略、算法)
主要内容(只考虑监督学习)(1)统计学习三要素概述(2)策略(目标函数、代价函数、损失函数)-------------------------------------------------------------------------------------------------------------------------一、统计学习方法概述统计学习三要素:方法 = ...原创 2018-09-04 15:55:18 · 3997 阅读 · 0 评论 -
Bagging与Boosting
主要内容(1)Bagging和Boosting简介(2)Bagging和Boosting联系和区别(3)Bagging和Boosting相关算法------------------------------------------------------------------------------------------------------------------------...原创 2018-08-29 10:54:17 · 692 阅读 · 0 评论 -
CART树(分类回归树)
主要内容(1)CART树简介(2)CART树节点分裂规则(3)剪枝---------------------------------------------------------------------------------------------------------------------一、简介CART分类回归树是一种典型的二叉决策树,可以做分类或者回归。若预测...原创 2018-08-28 16:37:58 · 3716 阅读 · 0 评论 -
C4.5算法
主要内容(1)C4.5算法简介(2)C4.5算法节点分裂规则-------------------------------------------------------------------------------------------------------------------------一、概述参照ID3:https://blog.csdn.net/gyq423/...原创 2018-08-27 19:05:09 · 555 阅读 · 0 评论 -
ID3算法(含实例)
主要内容(1)ID3算法简介(2)ID3算法节点分裂规则(3)ID3算法实例(4)剪枝-------------------------------------------------------------------------------------------------------------------------一、简介1、信息熵Entropy其中...原创 2018-08-27 17:38:46 · 31836 阅读 · 1 评论 -
特征工程
1 特征工程是什么? 有这么一句话在业界广泛流传:数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢?顾名思义,其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用。通过总结和归纳,人们认为特征工程包括以下方面:上图链接 特征处理是特征工程的核心部分,sklearn提供了较为完整的特征处理方法,包括数转载 2017-07-12 17:39:57 · 339 阅读 · 0 评论