- 博客(3)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 《从机器学习到深度学习》笔记（5）集成学习之随机森林
集成学习模型与其他有监督模型的出发点大相径庭，之前的模型都是在给定的训练集上通过构建越来越强大的算法进行数据拟合。而集成学习着重于在训练集上做文章：将训练集划分为各种子集或权重变换后用较弱的基模型拟合，然后综合若干个基模型的预测作为最终整体结果。在Scikit-Learn中实现了两种类型的集成学习算法，一种是Bagging methods，另一种是Boosting methods。随机森林（R...
2019-05-13 10:53:07
1243
原创 《从机器学习到深度学习》笔记（4）划分数据集
任何机器学习算法都是基于对已有数据集或环境的信息挖掘，要求将从现有数据学习得到的模型能够适配于未来的新数据。1. 训练集（Training set）与测试集（Test set）很自然的，在评估模型能力的时候需要采用与模型训练时不同的数据集，因此在训练模型之前需要将已有数据集划分成如图1-13的两部分。图1-13 训练集与测试集顾名思义，图中的训练集用于在训练模型时使用，测试集用...
2019-05-09 09:37:53
520
原创 《从机器学习到深度学习》笔记（3）强化学习
强化学习是对英文Reinforced Learning的中文翻译，它的另一个中文名称是“增强学习”。相对于有监督学习和无监督学习，强化学习是一个相对独特的分支；前两者偏向于对数据的静态分析，后者倾向于在动态环境中寻找合理的行为决策。强化学习的行为主体是一个在某种环境中独立运行的Agent（可以理解为“机器人”）, 其可以通过训练获得在该环境中的最佳行为模式。强化学习被看成是最接近人工智能的...
2019-05-05 17:21:24
387
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人