Python模型
文章平均质量分 94
进击的橘子猫正式改名上线,欢迎大家关注我的微信公众号。我会定期在公众号与CSDN分享python语言如何实现机器学习与深度模型。
进击的橘子猫
这个作者很懒,什么都没留下…
展开
-
4.3.1有监督学习(二) - 决策树(Decision Tree) - 构建树的核心指标
简介决策树是与有监督学习中的常用方法。决策树的算法多见于分类问题中,即我们常说的分类树(Classification Tree);少数情况下,决策树也可以用于连续问题,即回归树(Regression Tree)。总体而言,决策树是基于树状结构来进行决策的,它模仿了人在面临决定时自然的处理方式,并将这种决策的过程用树的姿态展现出来。一句话解释版本:决策树是在模仿人的决策过程,构造树的指标...原创 2018-06-15 13:19:09 · 3086 阅读 · 1 评论 -
4.3.1有监督学习(三) - 决策树(Decision Tree) - 剪枝(Pruning)
简介决策树是与有监督学习中的常用方法。决策树的算法多见于分类问题中,即我们常说的分类树(Classification Tree);少数情况下,决策树也可以用于连续问题,即回归树(Regression Tree)。若构建决策树的自变量过多,会产生高维度、过拟合等问题,因此,需要在全树的基础上进行剪枝,保留最有效的自变量,删除不那么重要的自变量。这一过程,就叫剪枝。一句话解释版本:剪枝分为...原创 2018-08-13 18:28:38 · 4032 阅读 · 0 评论 -
4.3.1有监督学习(四) - BP神经网络(BP Neuron Networks)
简介BP神经网络(Backpropagation Neuron Networks)又被称作多层感应机(Multi-layer Perceptrons)。BP神经网络通过设定隐藏层,能够在原有逻辑回归的基础上实现非线性的分割。神经网络在构建过程中,通过定义输入层、隐藏层与输出层,明确激活函数、损失函数,通过梯度递减法训练样本,最终实现分类器。一句话解释版本:神经网络由输入层、隐藏层、输出...原创 2018-08-23 08:14:28 · 7333 阅读 · 0 评论 -
4.3.4.集成学习(一) - 袋装法(Bagging),提升法(Boosting),随机森林(Random Forest)
简介集成学习(Ensemble Learning)是通过聚合多个分类器的预测结果来提高分类的准确率。比如,在集成学习中,会生成多个分类树模型,从中选取表现较好的那些树模型,在通过投票等筛选方式决定最终输出的分类器。在聚合算法中,以Bagging,Boosting与Random Forest(随机森林)最为典型。这三个算法,因为能够显著改善决策树的缺陷而被广泛应用。一句话解释版本:Bag...原创 2018-09-17 15:51:19 · 8524 阅读 · 0 评论