机器学习
雨落的太敷衍..
这个作者很懒,什么都没留下…
展开
-
Machine learning notes (五)
文章目录前言一、聚类算法1.1 K-means1.2 分类和聚类的区别二、降维三:模型选型四:数据预处理4.1 数据预处理的流程4.2 数据标准化(归一化)4.3 数据标准化常用函数方法4.4 one-hot独热编码 前言 一、聚类算法 聚类指自动将相似对象归为一组,一般应用在客户细分,分组实验成果。常用的聚类算法有K-means、谱聚类、mean-shift。 1.1 K-means ● 中心思想 事先确定常数K,常原创 2020-11-21 15:06:41 · 175 阅读 · 0 评论 -
Machine learning notes (四)
上一篇文章链接:传送门 文章目录一、普通线性回归二:岭回归2.1 公式2.2 几何意义三:LASSO回归3.1 公式3.2 几何意义3.3 LASSO回归和岭回归的比较四:弹性网络 一、普通线性回归 对于普通最小二乘的系数估计问题,其依赖于模型各项的相互独立性。当各项是相关的,且设计矩阵的各列近似线性相关,那么,设计矩阵会趋向于奇异矩阵,这种特性导致最小二乘估计对于随机误差非常敏感,可能产生很大的方差。 二:岭回归 2原创 2020-11-21 14:14:45 · 162 阅读 · 0 评论 -
Machine learning notes (三)
上一篇文章链接:传送门 文章目录一、支持向量机(SVM)二、机器学习的回归问题三:拟合和回归的区别及联系 一、支持向量机(SVM) SVM算法的核心是选择一个最佳的超平面将输入变量空间中的点按照它们的类(0或1)分开。所谓的“超平面”其实就是一个分割输入变量空间的线,在二维空间中,我们可以将其可视化为一条直线,并且假设我们所有的输入点都可以被这条直线完全分开。 (虚线为支持向量,实线为超平面)原创 2020-11-20 18:02:47 · 106 阅读 · 0 评论 -
Machine learning notes (二)
上一篇文章链接:传送门 文章目录前言一、决策树1.1 什么是决策树?1.2 决策过程1.3 树结构分析1.4 决策树生成过程二:决策树常用的三种算法2.1 ID3算法2.2 C4.5算法2.3 CART算法2.4 三种算法的划分标准 前言 引用博客: https://blog.csdn.net/qq_20412595/article/details/82048795 一、决策树 1.1 什么是决策树? 决策树模型是运用于原创 2020-11-20 17:36:05 · 111 阅读 · 0 评论 -
Machine learning notes (一)
文章目录一、机器学习是什么?1.1 学习的定义1.2 机器学习的定义二、Scikit-learn三:机器学习的目的四:机器学习的分类问题4.1 KD-TREE 一、机器学习是什么? 1.1 学习的定义 近代学习是心理学的一个术语。它有广义和狭义之分。广义的学习是指人和动物在生活过程中获得个体经验的过程,是动物和人类生活中的普遍现象。如动物园里的象学会吹口琴、海狮和鲸鱼学会顶球、熊学会合掌拜谢等。狭义的学习指的是学生在学校原创 2020-11-19 18:30:12 · 291 阅读 · 0 评论