机器学习
Mr._Hou
这个作者很懒,什么都没留下…
展开
-
Datawhale-初级算法梳理-Day1-线性回归算法梳理
Datawhale-初级算法梳理-Day1-线性回归算法梳理1.机器学习的一些概念a) 监督学习b) 无监督学习c) 泛化能力d) 过拟合和欠拟合e) 交叉验证2.线性回归的原理3.线性回归损失函数、代价函数、目标函数4.优化方法(梯度下降法、牛顿法、拟牛顿法)5.线性回归的评价指标6.sklearn参数详解1.机器学习的一些概念a) 监督学习监督学习是机器学习的一种方法,可以由训练资料中学...原创 2019-03-01 21:05:01 · 361 阅读 · 0 评论 -
Datawhale-初级算法梳理-Day3-决策树算法梳理
Datawhale-初级算法梳理-Day3-决策树算法梳理1.信息论基础(熵 联合熵 条件熵 信息增益 基尼不纯度)a) 熵b) 联合熵c) 条件熵d) 信息增益e) 基尼不纯度2.决策树的不同分类算法(ID3算法、C4.5、CART分类树)的原理及应用场景3.回归树原理4.决策树防止过拟合手段5.模型评估6.sklearn参数详解,Python绘制决策树1.信息论基础(熵 联合熵 条件熵 信息...转载 2019-03-05 20:48:41 · 245 阅读 · 0 评论 -
Datawhale-初级算法梳理-Day2-逻辑回归算法梳理
Datawhale-初级算法梳理-Day2-逻辑回归算法梳理1.逻辑回归与线性回归的联系与区别a) 概念b) 原理2.逻辑回归的原理3.逻辑回归损失函数推导及优化4.正则化与模型评估指标5.逻辑回归的优缺点6.样本不均衡问题解决办法7.sklearn参数1.逻辑回归与线性回归的联系与区别a) 概念线性回归主要用来解决连续值预测的问题,逻辑回归用来解决分类的问题,输出的属于某个类别的概率。b...原创 2019-03-03 21:22:42 · 361 阅读 · 1 评论 -
数据竞赛-“达观杯”文本智能处理-Day4:LR+SVM学习及实践
数据竞赛-“达观杯”文本智能处理-Day4:LR+SVM学习及实践 一. 理论学习1.逻辑回归(LR)2.支持向量机(SVM)a) 简介b) 算法c) SVM的特点和不足二. 实践使用下面模型对数据进行分类(包括:模型构建&调参&性能评估),并截图F1评分的结果1)逻辑回归(LR)模型,学习理论并用Task2的特征实践2)支持向量机(SVM) 模型,学习理论并用Task2的特...原创 2019-04-11 21:38:06 · 223 阅读 · 0 评论 -
数据竞赛-“达观杯”文本智能处理-Day6:模型优化
数据竞赛-“达观杯”文本智能处理-Day6:模型优化1.网格搜索法(Grid Search)2.交叉验证3.模型调参4.模型融合a) Votingb) Averagingc) Baggingd) Boostinge) Stacking【Task4 模型优化】:1)进一步通过网格搜索法对3个模型进行调优(用5000条数据,调参时采用五折交叉验证的方式),并进行模型评估,展示代码的运行结果。(可以...转载 2019-04-16 11:27:32 · 216 阅读 · 0 评论 -
数据竞赛-“达观杯”文本智能处理-Day5:LightGBM模型
数据竞赛-“达观杯”文本智能处理-Day5:LightGBM模型1.理论学习2.实践【Task3.2】LightGBM模型构建LightGBM的模型(包括:模型构建&调参&性能评估),学习理论并用Task2的特征实践要求:理论+代码+截图F1评分的结果参考:https://github.com/Heitao5200/DGB/blob/master/model/model_c...原创 2019-04-13 21:05:23 · 440 阅读 · 0 评论