ivy_reny的专栏

一、scikit-learn随机森林类库概述        在scikit-learn中，RF的分类类是RandomForestClassifier，回归类是RandomForestRegressor。RF的变种Extra Trees也有 分类类ExtraTreesClassifier，回归类ExtraTreesRegressor。由于RF和Extra Trees的区别较小，调参方法基本相同，本文...

集成学习有两个系列，一个是boosting系列，它的特点是各个弱学习器之间有依赖关系。另一个是bagging系列，它的特点是各个弱学习器之间没有依赖关系，可以并行拟合。本文就对集成学习中Bagging与随机森林算法做一个总结。        随机森林是集成学习中可以和梯度提升树GBDT分庭抗礼的算法，尤其是它可以很方便的并行训练，在如今大数据大样本的的时代很有诱惑力。一、Bagging原理

参考：http://www.cnblogs.com/pinard/p/6143927.html一、GBDT类库概述        在scikit-learn中，GradientBoostingClassifier为GBDT的分类类， 而GradientBoostingRegressor为GBDT的回归类。两者的参数类型完全相同，当然有些参数比如损失函数loss的可选择项并不相同。这些参

一、概述        GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。它在提出之初就和SVM一起被认为是泛化能力（generalization）较强的算法。GBDT的思想使其具有天然优势可以发现多种有

参考：https://www.cnblogs.com/pinard/p/6136914.html一、AdaBoost类库概述        scikit-learn中AdaBoost类库比较直接，就是AdaBoostClassifier和AdaBoostRegressor两个，从名字就可以看出AdaBoostClassifier用于分类，AdaBoostRegressor用于回归。

一、boosting算法的基本原理        集成学习器根据个体学习器的生成是否存在依赖关系，可以分为两类：个体学习器间存在强依赖关系，必须串行生成，代表算法是boosting系列算法；个体学习器之间不存在强依赖关系，可以并行生成，代表算法是bagging和随机森林系列算法。在boosting系列算法中，AdaBoost是最著名的算法之一。AdaBoost既可以用作分类，也可以用作回归。

一、集成学习概述        集成学习通过构建并结合多个学习器来完成学习任务。通过将多个学习器结合，常可以获得比单一学习器显著优越的泛化性能，达到博采众长的目的。         集成学习有两个主要的问题需要解决：1、如何训练每个学习器？2、如何融合各个学习器？二、个体学习器        要获得好的学习器，个体学习器应“好而不同”，即个体学习器要有一定的准确性，并且

参考：http://www.cnblogs.com/pinard/p/6074222.html一、scikit-learn 朴素贝叶斯类库概述        朴素贝叶斯是一类比较简单的算法，scikit-learn中朴素贝叶斯类库的使用也比较简单。相对于决策树、KNN之类的算法，朴素贝叶斯需要关注的参数是比较少的，这样也比较容易掌握。在scikit-learn中，一共有三个朴素

一、贝叶斯定理        贝叶斯分类是一类分类算法的总称，这类算法以贝叶斯定理为基础，故统称为贝叶斯分类。贝叶斯定理解决了现实生活中经常遇到的问题：已知某条件概率，如何得到事件交换后的概率，即在已知P(A|B)的情况下求得P(B|A)。条件概率P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B条件下发生事件A的条件概率。其基本求解公式为：P(A|B)=P(AB)/P(B)

参考：http://www.cnblogs.com/pinard/p/6126077.html        在支持向量机（以下简称SVM）的核函数中，高斯核（以下简称RBF）是最常用的，理论上 RBF一定不比线性核函数差，但是在实际应用中，却面临几个重要超参数的调优问题。如果调的不好，可能比线性核函数还要差。所以实际应用中，能用线性核函数得到较好效果的都会选择线性核函数。如果线性核效

参考：http://www.cnblogs.com/pinard/p/6117515.html一、scikit-learn SVM算法库概述        scikit-learn中SVM的算法库分为两类，一类是分类算法库，包括SVC、 NuSVC和LinearSVC三个类。另一类是回归算法库，包括SVR、NuSVR和LinearSVR三个类。相关的类都包裹在sklearn.s

基本思想序列最小最优化算法（Sequential Minimal Optimization, SMO）。优化目标函数：min┬a⁡〖1/2 ∑_(i=1)^m▒∑_(j=1)^m▒〖a_i a_j y_i y_j K(x_i,x_j ) 〗-〗 ∑_(i=1)^m▒a_i s.t.∑_(i=1)^m▒〖a_i y_i=0〗〖0≤a〗_i≤C， i=1,2,…m解需要满足的KKT

SVM回归模型的损失函数SVM不仅可以用于分类模型，也可以用于回归模型。回顾SVM分类模型，目标函数是1/2 ‖w‖^2最小，同时让训练集的数据点尽量远离自己类别一边的支持向量，即y_i (w∙ϕ(x_i )+b)≥1。如果加入松弛变量ξ_i≥0，则目标函数是1/2 ‖w‖^2+C∑_(i=1)^m▒ξ_i ，对应的约束条件是y_i (w∙ϕ(x_i )+b)≥1-ξ_i回归模型的优化目标

求解线性分类问题，线性SVM是一种非常有效的方法，但是有时分类问题是非线性的，这时可以使用非线性SVM。非线性问题往往不好求解，希望能用解线性分类问题的方法解决这个问题，可以采用非线性变换，将非线性问题变换为线性问题，通过解决变换后的线性问题的方法求解原来的非线性问题。在线性回归中，可以将多项式回归转化为线性回归。比如一个只有两个特征的p次多项式回归模型：h_θ (x_1,x_2 )=θ_

一、简介        SVM是一种二类分类模型，它的目标是利用训练数据集的间隔最大化找到最优分离超平面。SVM还包括核技巧，使它成为非线性分类器。        SVM学习方法包含由简至繁的模型：线性可分SVM（硬间隔SVM）、线性SVM（软间隔SVM）、非线性SVM。二、间隔与支持向量        给定训练样本集，分类学习的目标是基于训练集D在样本空间找到一个分离超平面，将不

参考http://www.cnblogs.com/pinard/p/6026343.html        scikit-learn对于线性回归提供了比较多的类库，这些类库都可以用来做线性回归分析，本文就对这些类库的使用做一个总结，重点讲述这些线性回归算法库的不同和各自的使用场景。        线性回归的目的是要得到输出向量Y和输入特征X之间的线性关系，求出线性回归系数θ，也就是

参考http://www.cnblogs.com/pinard/p/6035872.html1、概述        在scikit-learn中，与逻辑回归有关的主要是这3个类。LogisticRegression， LogisticRegressionCV 和logistic_regression_path。其中LogisticRegression和LogisticRegress

参考http://www.cnblogs.com/pinard/p/6056319.html1、scikit-learn决策树算法类库介绍        scikit-learn决策树算法类库内部实现是使用了调优过的CART树算法，既可以做分类，又可以做回归。分类决策树的类对应的是DecisionTreeClassifier，而回归决策树的类对应的是DecisionTreeRegres

计算给定数据集的熵from math import log# 计算给定数据集的熵def calcShannonEnt(dataSet): numEntries = len(dataSet) labelCounts = {} for featVec in dataSet: # 为所有可能分类创建字典 currentLabel = featVec[-1] # 最后一列数据为键值

一、决策树        决策树是一个树结构（可以是二叉树或非二叉树），每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，按照其值选择输出分支，直到到达叶节点，将叶节点存放的类别作为决策结果。二、决策树的构造        构造决策树的关键步骤是在某个节点处