Lecture4: Supervised Machine Learning - Part2

  1. Naive Bayes Classifier
    Naive Bayes假设给定一类,模型中的特征都是独立于其他特征存在的,这样,运算速度会非常快,但是范化能力会比较差。
    实际上,这个假设通常是不成立的,但并不影响使用。

通常适用于高维数据

  1. 随机森林
    以随机的方式建立一个森林,里面有多颗较为简单的决策树,将这些决策树结合起来,会产生非常好的效果。

  2. Neural network
    这一部分就不多说了。

  3. Data Leakage
    Data leakage会给模型带来很大的危害。比如说你不小心在训练数据的特征中包含了label,或者是不小心在训练数据中包含了一些测试数据,都会引起严重的后果。
    所以一定要对原始数据进行筛选,去掉那些造成数据泄露的特征。比如有些和时间相关的特征,或者是和label近似的特征。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值