![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
中午吃点啥
懒
展开
-
机器学习交叉验证、网格搜索
交叉验证(cross validation)交叉验证:将拿到的训练数据,分为训练和验证集。以下图为例:将数据分成4份,其中一份作为验证集。然后经过4次(组)的测试,每次都更换不同的验证集。即得到4组模型的结果,取平均值作为最终结果。又称4折交叉验证。1.1 分析我们之前知道数据分为训练集和测试集,但是为了让从训练得到模型结果更加准确。做以下处理训练集:训练集+验证集测试集:测试集1.2 为什么需要交叉验证**交叉验证目的:**为了让被评估的模型更加准确可信**问题:**这个只是让被评估原创 2021-09-02 13:24:37 · 184 阅读 · 0 评论 -
机器学习特征工程-特征预处理
1.什么是特征预处理1.1 特征预处理定义scikit-learn的解释provides several common utility functions and transformer classes to change raw feature vectors into a representation that is more suitable for the downstream estimators.通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程为什么我们要进行归原创 2021-09-01 12:39:48 · 102 阅读 · 0 评论 -
机器学习距离度量介绍
机器学习中常见的距离计算公式原创 2021-09-01 12:28:01 · 568 阅读 · 0 评论 -
机器学习模型评估
模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同,可以把模型评估分为分类模型评估和回归模型评估。分类模型评估准确率预测正确的数占样本总数的比例。其他评价指标:精确率、召回率、F1-score、AUC指标等回归模型评估均方根误差(Root Mean Squared Error,RMSE)RMSE是一个衡量回归模型误差率的常用公式。 不过,它仅能比较误差是相同单位的模型。举例:假设上面的房价预测,只有五原创 2021-08-29 21:56:28 · 224 阅读 · 0 评论 -
机器学习算法分类
根据数据集组成不同,可以把机器学习算法分为:监督学习无监督学习半监督学习强化学习监督学习定义:输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归), 或是输出是有限个离散值(称作分类)。1.1 回归问题例如:预测房价,根据样本集拟合出一条连续曲线。1.2 分类问题例如:根据肿瘤特征判断良性还是恶性,得到的是结果是“良性”或者“恶性”,是离散的。无监督学习定义:输入数据是由输入特征值组成,没有目标值输入数据没有被标记,也没有确定的结果。样原创 2021-08-29 21:45:28 · 251 阅读 · 0 评论 -
机器学习工作流程
1 什么是机器学习机器学习是从数据中自动分析获得模型,并利用模型对未知数据进行预测。2 机器学习工作流程![在这里插入图片描述](https://img-blog.csdnimg.cn/04589823223d4893bd669557f3c8250a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5rWq6YeM5bCP55m96b6ZbmJ3,size_20,color_F原创 2021-08-29 21:21:12 · 965 阅读 · 0 评论