![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习算法
文章平均质量分 74
感冒灵pp
这个作者很懒,什么都没留下…
展开
-
pyspark版GBDT+LR实现
主要是由于spark的python没有获取树节点的接口,只有基本的输出信息,需要手动建树。 github是https://github.com/lhtlht/gbdt_lr 后续再做详细的说明。原创 2019-11-19 23:10:35 · 2024 阅读 · 1 评论 -
KNN(K近邻)算法的简单入门
机器学习实战(第二章:k-近邻算法) 今天学习了第二章,在此就我理解做一下简单的总结,算是加深我的理解和用我自己的语言描述出这个算法吧。 基于向量空间的欧几里得距离的计算。 简单点来说就是 在一个具有大量样本集中,每一个实例都具有3个或以上的特征属性,其中有一个属性必然是分类属性,其余属性为数值型属性(即使是标称型属性,也可以通过 某些方法转变过来),每一个实例都是由属性特征原创 2017-04-18 23:05:59 · 8569 阅读 · 0 评论 -
决策树(decision tree)的自我理解 (上)
最近在看周志华的《机器学习》,刚好看完决策树这一章,因此结合网上的一些参考资料写一下自己的理解。 何为决策树? 决策树是一种常见机器学习方法中的一种分类器。它通过训练数据构建一种类似于流程图的树结构,其中每个内部结点表示在一个属性上的测试对未知数据进行分类,每个分支代表一个属性输出,每个树叶结点代表类或类分布。 决策树包括:根结点、若干个内部结点、若干个叶节点(即目标分类节点)。 如以下数原创 2017-07-06 09:22:00 · 4943 阅读 · 1 评论 -
决策树(decision tree)的自我理解 (下) 关于剪枝和连续值缺失值处理
对剪枝的粗浅理解 剪枝分预剪枝和后剪枝,顾名思义,预剪枝就是在树还没完成之前,预先剪去树的部分分支,后剪枝就是在整棵树完成了之后对树剪去部分分支,从而完成了对树的精简操作,避免了因属性太多而造成的过拟合。 预剪枝(prepruning):在决策树生成过程中,对每个结点在划分前先进行估计,若当前结点的划分不能带来决策树泛化性能提升,则停止划分,并将当前结点标记为叶节点。 后剪枝(post-pr原创 2017-07-06 19:57:47 · 3697 阅读 · 0 评论