![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
hu_wenqiong
这个作者很懒,什么都没留下…
展开
-
kaggle练习-泰坦尼克数据
这里写自定义目录标题数据基本结构了解载入数据缺失值的处理功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入数据基本结构了...原创 2019-01-14 15:09:57 · 2494 阅读 · 0 评论 -
数据结构之哈夫曼树
https://www.cnblogs.com/yeya/p/9835895.html转载 2019-07-08 14:37:46 · 102 阅读 · 0 评论 -
机器学习问题汇总之树模型
一、CART、C4.5和ID3算法的区别以及他们的优缺点历史回顾:1984年提出了CART,1986年提出了ID3、1993年提出了C4.5算法使用的规则不一样ID3使用信息增益来决定树的分裂:C4.5使用信息增益比来决定树的分裂CART的话可以是分类树也可以是回归树。当是分类树时,使用基尼系数来指导树的分裂当是回归树时,使用的是平方损失最小:2、ID3和C...原创 2019-08-06 16:37:28 · 391 阅读 · 0 评论 -
机器学习问题汇总之L1和L2正则化
1、什么是L1正则&L2正则:2、两者的区别是什么L1正则是指在损失函数中加入向量权值w的绝对值之和,即各个元素的绝对值之和,L2正则是在损失函数中加入权值向量w的平方和。 L1的功能是使权重稀疏(可以进行变量选择),而L2的功能是使权重平滑。3、L1正则为什么可以得到稀疏解?解空间形状也就是说:L2正则化相当于为参数定义了一个圆形的解空间,而L1正则化为参数定义了一...原创 2019-08-02 13:49:51 · 468 阅读 · 0 评论 -
机器学习问题之杂碎问题
一、机器学习中,为什么经常要对数据做归一化处理?维基百科的回答:(1)归一化后加快了梯度下降求最优解的速度;(2)归一化有可能提高精度。归一化为什么能提高梯度下降法求解最优解的速度?如下图所示,蓝色的圈圈图代表的是两个特征的等高线。其中左图两个特征X1和X2的区间相差非常大,区间是[0,2000],区间是[1,5],其所形成的等高线非常尖。当使用梯度下降法寻求最优解时,很有可能走“之字型...原创 2019-09-29 11:54:19 · 213 阅读 · 0 评论 -
机器学习之聚类算法
一、K均值聚类1、原理:K-meas算法以k为参数,把n个对象分为k个簇,使得簇内相似度较高,簇间相似度较低2、步骤:1.随机选取k个点作为初始聚类的中心2.对于剩下的点,根据其与聚类中的距离,将其归入最近的簇3.对每个簇,计算所有点的均值作为新的聚类中心。4.重复2.3步骤,...原创 2019-09-05 14:49:37 · 1006 阅读 · 0 评论