![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
DawN、
才须学也,非学无以广才
展开
-
随机森林算法小结
目录:集成学习概念个体学习器概念boosting bagging结合策略(平均法,投票法,学习法)随机森林思想随机森林的推广优缺点sklearn参数应用场景1、集成学习概念集成学习(Ensemble learing)是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合从而获得比单个学习器效果更好的一种机器学习方法。对于训练数据,我们通过若干个个体学习器,通过...原创 2019-03-01 18:27:59 · 2240 阅读 · 0 评论 -
XGBoost原理小结
【任务三 XGB算法梳理】CART树算法原理损失函数分裂结点算法正则化对缺失值处理优缺点sklearn参数应用场景一、CART树CART假设决策树是二叉树,内部结点特征的取值为“是”和“否”,左分支是取值为“是”的分支,右分支是取值为“否”的分支。这样的决策树等价于递归地二分每个特征,将输入空间即特征空间划分为有限个单元,并在这些单元上确定预测的概率分布,也就是在输入给定的条...原创 2019-03-05 19:16:43 · 1829 阅读 · 0 评论 -
GBDT梯度提升决策树小结
GBDT算法梳理目录前向分布算法负梯度拟合损失函数回归二分类,多分类正则化优缺点sklearn参数应用场景一 、前向分布算法提到前向分布算法,必须要说的就是AdaBoost算法,AdaBoost算法最基本的性质就是它能够在学习过程中不断减少训练误差,即在训练集上的分类误差率。AdaBoost最终分类器的误差界定为1N∑i=1NI(G(xi)≠yi)≤1N∑iexp(−yi...原创 2019-03-03 19:09:21 · 385 阅读 · 0 评论 -
目标检测中计算图像的交并比(IOU)
交并比为目标检测中一个重要的概念,来进行预测框(ground truth)与标注框的重合率来对检测的正确率进行比较。图示如下:交并比计算公式:IOU=C⋂GC⋃GIOU=\frac{C \bigcap G }{C \bigcup G}IOU=C⋃GC⋂G代码示例:# -*-coding:utf-8 -*- # 计算图像的(IOU)交并比def Iou(box1,box2):...原创 2019-08-04 19:38:38 · 5753 阅读 · 0 评论