![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 65
拽紧哥的腿毛
这个作者很懒,什么都没留下…
展开
-
Day39 机器学习算法基础 回归算法 K—means聚类算法
逻辑回归(是一种分类算法)适用于分类场景,简单的二分类,即是或者否原创 2021-03-07 16:17:45 · 871 阅读 · 0 评论 -
Day38 机器学习算法基础 回归算法 正规方程与梯度下降 过拟合与欠拟合 正则化 岭回归
目录回归(目标值连续,根据特征值预测器目标值的范围,比如房价预测)线性回归关系二维(直线)与三维(平面)下回归的形式矩阵运算的重要性w称为权重,一般以矩阵表示,权重矩阵与特征矩阵相乘即可得到目标值(因此矩阵相对数组在运算时更加方便)wx矩阵相乘跟数组相乘的差别神经网络迭代算法(回归)损失函数(寻找使损失函数最小的w值)方法1,正规方程,直接求到最优解(不通用,样本多的时候不好用)方法2:梯度下降,学习速率α,梯度方向线性回归与梯度下降的APIs原创 2021-01-24 22:15:26 · 197 阅读 · 1 评论 -
Day37 机器学习算法基础 决策树 随机森林 总结1
dff原创 2021-01-24 09:27:17 · 218 阅读 · 2 评论 -
Day36 机器学习算法基础 分类模型评估 1.混淆矩阵(仅考虑二分类)2. 交叉验证
方法一:混淆矩阵(仅考虑二分类)实际上规律就是,预测结果是猫,对了就是真正例,错了就是伪正例,类推更关注的是召回率,即查的全(比如有20个病人,预测结果中这20人预测到病人的比例,比如预测了20个病人,15个确实是病人(真正例),5个预测错误(伪反例),召回率就是15/20)API调用target_names,各个类别的名称,字符串输出结果各列分别为类别名、精确率、召回率、稳定性、支持样本数(预测的时候将这些样本划分到此类别)方法二:交叉...原创 2021-01-21 12:23:00 · 688 阅读 · 0 评论 -
Day35 机器学习算法基础 朴素贝叶斯 联合概率和条件概率
联合概率和条件概率相互独立的意思是例如,职业和体重两个条件是没有关系的,如果有关系的特征不能用,比如不锻炼和体重的关系朴素贝叶斯(特征独立)朴素贝叶斯会求其属于每个目标类别的概率,然后比对P(W)是每个词的概率,分母相同,先忽略不计比较分子实例拉普拉斯平滑平滑后公式朴素贝叶斯API...原创 2021-01-21 10:37:42 · 340 阅读 · 1 评论