- 博客(5)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 交叉验证(Cross validation)总结
一 什么是CV CV，通俗理解就是使用训练数据和测试数据交叉的方式来验证一个（或多个）模型的性能，以此判定算法在数据上的大致性能。 使用CV可以大致估算出模型的准确率；当模型中有超参数(hyperparameter)时，可以使用CV的方法选取这些超参二 为什么需要CV 构建机器学习模型的一个重要环节是评价模型在新数据上的性能。模型过于简
2017-01-23 13:11:21
3102
2
原创 逻辑回归(Logistic Regression)详解
一 什么是逻辑回归 首先，LR虽然名字里有回归，但它并不是解决回归问题，而是解决分类问题的。 另外，有人会问，为线性回归提供阈值来做分类不可以吗？ 不可以，因为阈值是无法准确定义，模型是容易被样本数据拉偏的。 之所以LR是个分类问题，却被叫做回归，因为它利用了sigmoid函数。 sigmoid 可以将数据（LR中指输出y）压缩到[0, 1]之间，它经过一个
2017-01-21 10:24:50
3333
1
转载 svm 多分类机制
参考 http://www.cnblogs.com/CheeseZH/p/5265959.htmlSVM本身是一个二值分类器 SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。 目前，构造SVM多类分类器的方法主要有两类 （1）直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题
2017-01-20 16:23:45
510
原创 最小二乘与梯度下降
http://blog.csdn.net/guang09080908/article/details/41415193 说：最小二乘和极大似然是目标函数，梯度下降是优化算法。机器学习的核心是一个model，一个loss fuction，再加上一个优化的算法。一个目标函数可以用不同的优化算法，不同的目标函数也可以用相同的优化算法。所以最小二乘和极大似然根本不是算法，和梯度下降毫无可比
2017-01-20 14:37:24
390
原创 高偏差、高方差、低精确率与低召回率、混淆矩阵
本文是个人理解1.高偏差(high bias)与方差(high variance) 偏差,可以理解为样本与模型预测结果的差距，可以使用平方差计算 方差是样本y值与模型期望的差的平方和。 模型对实验数据欠拟合(underfitting) 是会出现搞偏差，而过拟合(overfitting)会造成高方差 解决方法：直接的方法是将实验数据一分为二：训练集和测试集
2017-01-05 17:27:36
2747
LINDO 7.0 API
2012-08-16
LINDO 7.0 API
2012-08-16
LINDO API 7.0
2012-08-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人