![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
东昌府尹
这个作者很懒,什么都没留下…
展开
-
常用的机器学习python代码
常用的机器欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown原创 2021-06-03 19:05:50 · 372 阅读 · 0 评论 -
Logistic Regression
Logistic Regression(LR) Model: 参数估计 LR模型学习时,对于给定的训练数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1), (x_2,y_2),...,(x_N,y_N)\}T={(x1,y1),(x2,y2),...,(xN,yN)},其中,xi∈Rnx_i\in\mathbb{R}^nxi∈Rn, yi∈...转载 2019-06-20 14:46:33 · 2351 阅读 · 1 评论 -
决策树
文章目录信息增益熵和条件熵信息增益和信息增益比基尼指数决策树生成决策树剪枝sklearn.treeTips on using sklearn.tree 优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特 征数据。 缺点:可能会产生过度匹配问题。 适用数据类型:数值型和标称型。 决策树的一般流程 (1) 收集数据:可以使用任何方法。 (2) 准备数据:树构造算法只适...转载 2019-06-25 15:05:07 · 213 阅读 · 1 评论 -
Adaboost与Logistic Regrassion
提升方法 参考: 李航 统计学习方法: 数据集:Givemesomecredit From Kaggle 提升方法从弱学习算法出发,反复学习,得到一系列弱分类器(又称为基本分类器),然后组合这些分类器,构成一个强分类器。大多数的提升方法都是通过改变训练数据的概率分布,针对不同的训练数据分布调用弱学习算法学习一系列弱分类器。对于提升方法而言,需要解决的一是在每一轮如何改变训练数据的权值或概率分布;二...原创 2019-06-28 11:58:08 · 1844 阅读 · 3 评论