lindaicoding的博客

现在提到深度学习（deep learning）连非计算机专业的人都听说过，尤其是最近“人机大战”更是掀起了人们对深度学习的极大关注。而深度学习则源于神经网络的研究。神经网络其实是一门相对古老的算法，它最初产生的目的是制造能够模拟这个星球最复杂的东西“人脑”的机器。本文讲述神将网络表示线性回归和逻辑回归两个模型一、神经网络的表示1）用神经网络表示线性回归模型为了更清楚的学习神经网络怎样表示，我们将用神经网络表示一个线性回归模型。我们先看一下线性回归模型表示方法：a0 代表斜率；

随机森林属于 集成学习 中的 Bagging方法。由多个随机树构成，然后通过投票共同学习特征。因为生长很深的树容易学习到高度不规则的模式，即overfit，在训练集上具有低bias和高variance的特点。随机森林是平均多个深决策树以降低variance的一种方法，其中，决策树是在一个数据集上的不同子集进行训练的，在最终的模型中通常会大大提高性能。这有些像解决一道预测何时世界末日的难题，你给一个大学生解决，又给了一个在家里自学的人解决。两个人的解法很大概率是不一样的，你提取两个人解法的优势合起来就

一.scikit-learn中两个决策树算法　　　　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DecisionTreeRegressor。两者的参数定义几乎完全相同，但是意义不全相同。下面就对DecisionTreeClassifier和DecisionTreeRegressor的一个小结。一、Decision Tree Classificat.