![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
NaLaEur
这个作者很懒,什么都没留下…
展开
-
机器学习算法(一)线性回归的原理以及代码实现
线性回归(Linear regression) 线性回归作为机器学习中的一个基本算法,他的目的、功能、用途都是相当的明了,在这篇文章中会简单的介绍和说明线性回归的原理,然后使用python实现效果,最后会在其他的文章中补充一些进一步的优化线性回归的目的 很简单,就是用一条直线来拟合这些点。线性回归的功能 也很直接,通过大量的训练集进行训练,得到合适的权重参数 ...原创 2018-08-14 19:10:29 · 3163 阅读 · 0 评论 -
机器学习算法(二)逻辑回归的原理和实现
首先明确是分类而不是回归 逻辑回归的名字中虽然带有回归两个字,不过这是一个并不是一个回归算法,而是一个分类算法,他是在线性回归的基础上加入了sigmoid函数,将线性回归的结果输入至sigmoid函数中,并且设定一个阈值,如果大于阈值为1,小于阈值为0sigmoid 函数: 在图中我们可以看到 x -> -∞ 时 y 趋向与0,反之趋向于 1def sigmo...原创 2018-08-18 10:53:17 · 677 阅读 · 0 评论 -
机器学习算法(三) 决策树 (一) 构造决策树的方法
决策树模型适用对象 : 分类和回归方法主要优点 :模型具有可读性,分类速度快学习步骤 :特征选择、决策树的生成、决策树的修剪主要来源:Quinlan 在 1986 年提出的 ID3 算法和 1993 年提出的C4.5算法, Breiman在1984年提出的CART算法学习本质 : 是从训练数据集中归纳出一组分类规则。本文先介绍构造分类决策树的方法,然后会在后面的...原创 2018-08-21 15:26:02 · 502 阅读 · 0 评论 -
机器学习算法(三) 决策树 (二) 决策树的剪枝
决策树生成算法递归的产生决策树,知道不能继续下去为止,这样产生的树往往对训练数据的分类很准确,但是对为止的数据不太友好,容易产生过拟合 问题,所以引入了剪枝这个话题。 首先剪枝(pruning)的目的是为了避免决策树模型的过拟合。决策树的剪枝策略最基本的有两种:预剪枝(pre-pruning)和后剪枝(post-pruning):预剪枝(pre-pruning):预剪枝就是在构...原创 2018-08-21 20:34:25 · 850 阅读 · 0 评论