![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
追枫萨
更厉害的大人和更可爱的小孩...
展开
-
Boosting、XGBoost、Lightgbm算法
Boosting算法Lightgbm算法Lightgbm基本原理介绍Lightgbm中文文档XGBoost算法及使用XGBoost解读原创 2020-03-07 00:01:25 · 352 阅读 · 0 评论 -
解决:TypeError: '(slice(None, None, None), 1)' is an invalid key
问题背景使用matplotlib将DBSCAN分类结果散点图可视化时提示此TypeError源代码:from sklearn.cluster import DBSCANimport pandas as pdimport matplotlib.pyplot as pltdef devicesDbscan(): path="./unique_deviceID_lng_la...原创 2019-11-20 13:38:19 · 41883 阅读 · 3 评论 -
机器学习之One-Hot Encoding详解
看到One-Hot-Encoding发现网上大多数说明都是来自于同一个例子,最后结果感觉出的好突兀,因此这里总结一下。很多机器学习任务中,特征并不总是连续值,有可能是分类值。考虑以下三个特征:["male", "female"]["from Europe", "from US", "from Asia"]["uses Firefox", "uses Chrome",...转载 2019-10-25 10:45:20 · 6614 阅读 · 1 评论 -
贝叶斯公式的理解(先验概率/后验概率)
原文:贝叶斯公式的直观理解(先验概率/后验概率)前言 以前在许学习贝叶斯方法的时候一直不得要领,什么先验概率,什么后验概率,完全是跟想象脱节的东西,今天在听喜马拉雅的音频的时候突然领悟到,贝叶斯老人家当时想到这么一种理论前提可能也是基于一种人的直觉.下面的定义摘自百度百科:先验概率是指根据以往经验和分析得到的概率,如全概率公式,它往往作为"由因求果"问题中的"因"出现.后验概...转载 2019-06-22 22:00:35 · 57379 阅读 · 4 评论 -
Python实现机器学习算法
GitHub上开源源码项目目录如下:一、线性回归1、代价函数2、梯度下降算法3、均值归一化4、最终运行结果5、使用scikit-learn库中的线性模型实现二、逻辑回归1、代价函数2、梯度3、正则化4、S型函数(即)5、映射为多项式6、使用的优化方法7、运行结果8、使用scikit-learn库中的逻辑回归模型实现逻辑回归_手写数字识别_OneVsAll1、...原创 2019-10-09 11:23:04 · 251 阅读 · 0 评论 -
构建预测模型一般流程
构建预测模型的一般流程问题的日常语言表述->问题的数学语言重述重述问题、提取特征、训练算法、评估算法熟悉不同算法的输入数据结构:1.提取或组合预测所需的特征2.设定训练目标3.训练模型4.评估模型在训练数据上的性能表现机器学习:开发一个可以实际部署的模型的全部过程,包括对机器学习算法的理解和实际的操作通常,有非常切实的原因,导致某些算法被经常使用,了解背后的原因...转载 2019-10-10 10:21:36 · 9370 阅读 · 0 评论