![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 69
Math_is_hard.
这个作者很懒,什么都没留下…
展开
-
Logistics回归系数解读
Logistic回归虽然名字叫”回归” ,但却是一种分类学习方法。使用场景大概有两个:第一用来预测,第二寻找因变量的影响因素。一、从线性回归到Logistic回归线性回归和Logistic回归都是广义线性模型的特例。假设有一个因变量y和一组自变量x1, x2, x3, … , xn,其中y为连续变量,我们可以拟合一个线性方程:y =β0 +β1x1 +β2x2 +β3x3 +…+βnxn并通过最小二乘法估计各个β系数的值。如果y为二分类变量,只能取值0或1,那么线性回归方程就会遇到困难: 方程右转载 2021-03-09 05:41:41 · 9244 阅读 · 0 评论 -
机器学习之异常检测--孤立森林(Isolation Forests)
机器学习之异常检测–孤立森林(Isolation Forests, iForests)异常检测在机器学习领域内的应用场景广泛。比如帮助银行参与检测是否洗钱,识别金融欺诈,帮助保险领域识别是否可能骗保以及监测网络入侵等等。iForests是异常检测中的一种离群检测方法,可以明确地分离异常样本。与随机森林由大量决策树组成一样,iForests也由大量的树组成。iForest算法是一种基于相似度的模型,属于无监督的方法,该算法主要通过从训练数据集中随机选取一个特征,在该特征的最大值最小值之间随机选取一个分裂点原创 2020-11-25 20:37:10 · 985 阅读 · 0 评论 -
机器学习之人脸识别(Face Recognition)
机器学习之机器是如何识别人脸(Face Recognition)的?目前,一些机器学习技术已经被广泛应用于人脸识别、人脸支付以及身份认证领域,例如支付宝的FACEID,阿里的Alipay,ETC等等。这个领域内的算法多以传统的Eigen Face, LBP Face, Adaboost为主,面对一张人脸时,我们首先要进行的是进行人脸特征的提取,比如鼻子、眼睛等,之后对这些特征进行分析比对,确认人物基本信息。而机器主要是通过数学模型学习轮廓、纹理等细节,将机器提取出来的细节(1.特征提取,Feature原创 2020-11-24 15:42:52 · 8073 阅读 · 0 评论 -
机器学习之交叉验证(cross-validation,CV)
马思敏@机器学习机器学习之交叉验证(cross-validation,CV)人和计算机的主要区别在于人可以对问题进行思考,而计算机只会计算。从AI角度来看,人们将大量无序嘈杂的数据简单清洗之后喂(feed)给计算机,训练使其得出含参数的模型,在模型的基础上,利用数据对模型的参数进行估计,通过参数化后的模型来描述数据的内在关系(pattern),从而以一个科学(maybe哲学~)的角度预测未来。在对模型的选择上,可用的模型若干,不存在所谓最优解,我们只能认为对于某个确切问题来说,某个模型的解释能力更强。原创 2020-11-23 19:09:52 · 1584 阅读 · 1 评论