![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 95
龙技术
一篇诗,一斗酒,一曲长歌,一剑天涯
展开
-
机器学习 集成学习
集成学习基础与实战学习目标理解了解什么是集成学习如何利用随机森林算法建模知道Bagging的集成原理随机森林算法Sklearn关键API实战1. 为什么学习集成学习单颗决策树算法容易产生过拟合,所以我们提出集成学习,其中的随机森林算法,可以通过多棵树的方案解决单颗树的过拟合问题,解决实际工作中常见分类问题。2. 什么是集成学习传统机器学习算法 (例如:决策树,逻辑回归等) 的目标都是寻找一个最优分类器尽可能的将训练数据分开。集成学习 (Ensemble Learning) 算法的基本思原创 2021-09-10 21:09:04 · 620 阅读 · 0 评论 -
机器学习 决策树算法
4.1 决策树算法简介学习目标知道什么是决策树能够通过sklearn实现决策树分类,进一步认识决策树1 概念决策树思想的来源非常朴素,程序设计中的条件分支结构就是if-else结构,最早的决策树就是利用这类结构分割数据的一种分类学习方法。决策树:怎么理解这句话?通过一个对话例子:“闺女,我又给你找了个合适的对象,今天要不要见一面?”“多大? ” “26岁。”“长得帅吗? ” “还可以,不算太帅。”“工资高么? ” “略高于平均水平。”“会写代码吗? ” “人家是程序员,代码写得原创 2021-09-10 21:08:05 · 1347 阅读 · 0 评论 -
机器学习 线性回归
2.1 线性回归简介学习目标了解线性回归的应用场景知道线性回归的定义1 线性回归应用场景房价预测销售额预测贷款额度预测线性关系举例:2 什么是线性回归2.1 定义与公式线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。特点:只有一个自变量的情况称为单变量回归,多于一个自变量情况的叫做多元回归。通用公式 h(w)=w1x1+w2x2+w3x3+...+b=wTx原创 2021-09-09 20:28:38 · 1026 阅读 · 1 评论 -
机器学习 聚类算法
聚类算法学习目标掌握KMeans算法的基本原理知道聚类算法的概念了解聚类算法和分类算法的最大区别KMeans算法Sklearn关键API实战了解聚类的其他算法1. 为什么学习聚类算法在没有具体类别标签列或结果的前提下,我们还希望对已有的数据进行分类,这时候就需要使用聚类方法。1.1 聚类方法案例引入(1)两个人在话筒前面同时说话,录音后发现这两个人的声音混杂在一起。因此我们需要区分两个人的声音,这时候我们依靠声音的频谱不同对声音进行不同的区分,当然如果实现并不知道每个人声音的特点的话原创 2021-09-07 17:42:09 · 603 阅读 · 0 评论 -
机器学习 k-近邻算法
K-近邻算法1.1 什么是K-近邻(KNN)算法学习目标知道什么是K近邻算法,及其特点掌握K-近邻算法的基本原理1 K近邻算法的特点k-近邻算法,也叫KNN算法(K-Nearest Neihbor,KNN),是一个非常适合入门的算法,拥有如下特性:适用于分类问题,尤其是二分类,当然也可以用来预测回归问题思想极度简单,应用数学知识少(近乎为零)对于很多不擅长数学的小伙伴十分友好,KNN算法几乎用不到数学专业知识机器学习算法的hello world算法效果好虽然算法简单,原创 2021-09-06 21:39:31 · 731 阅读 · 1 评论 -
机器学习基础
机器学习基础学习目标掌握机器学习相关概念掌握机器学习如何构建机器学习模型过程1. 为什么学习机器学习?随着技术的不断发展, 我们使用的分析方式也在不断发展和变化。过去,企业专注于收集有关其客户和产品的数据进行描述性、诊断性分析。但越来越多地,我们希望从收集的数据中进行预测性和规范性分析。1.1 什么是预测分析?数据分析四个层次: 描述性分析、诊断性分析、预测性分析、规范性分析[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0JB21uXJ-16309354原创 2021-09-06 21:37:37 · 2133 阅读 · 0 评论