机器学习
文章平均质量分 79
铖铖的花嫁
但愿日子干净,抬头遇见的都是柔情
展开
-
【模型融合】集成学习(boosting, bagging, stacking)原理介绍、python代码实现(sklearn)、分类回归任务实战
浅浅介绍了boost, bagging, stacking 的一些基本原理。内含NLP特征工程分类任务(小说新闻分类),2023美赛春季赛Y题二手帆船价格预测回归任务。原创 2023-04-11 09:19:46 · 6120 阅读 · 26 评论 -
机器学习小结整理
一些个手写整理初稿原创 2023-02-13 23:23:43 · 194 阅读 · 0 评论 -
机器学习之多层感知机原理详解、公式推导(手推)、面试问题、简单实例(python实现,sklearn调包)
为什么我们经常提到我们喜欢斜率容易计算、平滑连续、适合做误差函数的原因也在这里,面对含绝对值的或者是不连续的函数,在梯度下降求梯度时我们很难求导或者求导后会在某个范围不停波动无法接近最优解。三个结点可以完成一次异或操作,隐藏层有两个节点,一次异或操作可以作为2元的结果,把2元的结果编程下一个异或的其中之一输入,那么就可以通过加3个结点两层再多加入一元。所以不止需要一个隐含层。我们观察上图,误差对于每个权重的影响也有权重,平分误差对这俩权重的影响显然是不公平的,这就出现了新的问题:如何更新权重?原创 2023-02-10 19:54:12 · 3260 阅读 · 1 评论 -
机器学习之K-means原理详解、公式推导、简单实例(python实现,sklearn调包)
主要内容分为理论推导和代码实现两个部分。理论推导包括聚类介绍、常见距离介绍、KMeans算法模拟三块。代码实现包括逻辑回归代码实现;python实现和sklearn包 2种方法完成Kmeans聚类任务。原创 2023-02-10 19:54:32 · 3466 阅读 · 2 评论 -
机器学习之朴素贝叶斯分类器原理详解、公式推导(手推)、面试问题、简单实例(python实现,sklearn调包)
主要内容分为理论推导和代码实现以及面试宝典三个部分。理论推导主要是贝叶斯的推导以及朴素贝叶斯计算实例。代码实现包括手动实现朴素贝叶斯和sklearn调用,实例有3个,分别对应离散型诗句和连续型数据两种情况。面试宝典是一部分《机器学习》中的课后习题和一些面试题。原创 2023-02-07 10:16:24 · 15137 阅读 · 4 评论 -
机器学习之决策树原理详解、公式推导(手推)、面试问题、简单实例(python实现,sklearn调包)
主要内容分为理论推导和代码实现以及面试宝典三个部分。理论推导主要是决策树三个启发式的介绍和计算代码实现包括sklearn调用,三个启发式的手写计算和建树,有几个对应实例。面试宝典是一部分《机器学习》中的课后习题和一些《百面机器学习》的面试题,由公式推导和理论解答。原创 2023-02-10 19:55:14 · 721 阅读 · 0 评论 -
机器学习之支持向量机(SVM)原理详解、公式推导(手推)、面试问题、简单实例(sklearn调包)
主要内容分为理论推导和代码实现以及面试宝典三个部分。理论推导主要是SVM的原理以及线性SMO算法的推导,也提了一下核函数和软间隔的理论,在推导之前还引入了拉格朗日乘子法、超平面、对偶问题的介绍。代码实现包括sklearn调用,有几个对应实例。面试宝典是一部分《机器学习》中的课后习题和一些《百面机器学习》的面试题,由公式推导和理论解答。原创 2023-02-07 10:16:43 · 10581 阅读 · 1 评论 -
机器学习之逻辑回归原理详解、公式推导(手推)、简单实例(牛顿法,梯度下降法,随机梯度法,sklearn调包)
主要内容分为理论推导和代码实现两个部分。理论推导包括手动推导逻辑回归原理、梯度下降法求解、牛顿法求解三块。代码实现包括逻辑回归代码实现;梯度下降法、随机梯度下降法、牛顿法、sklearn包 4种方法求解逻辑回归问题。原创 2022-10-08 16:36:01 · 2673 阅读 · 0 评论 -
机器学习之线性回归原理详解、公式推导(手推)、简单实例
假设一个空间中有一堆散点,线性回归的目的就是希望用一条直线,最大程度地“概括”这些散点。它不要求经过每一个散点,但是希望能考虑到每个散点的特点。按照西瓜书的例子就是,好瓜的评判标准y可以由xi表示,也就是说,fgood(x)=w1x色泽+w1x根蒂+w1x敲声+b。原创 2022-09-19 00:08:42 · 3488 阅读 · 4 评论