![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Sr's man
这个作者很懒,什么都没留下…
展开
-
拉格朗日及其对偶性
原始问题与拉格朗日函数 假设f(x),ci(x),hj(x)f(x),c_{i}(x),h_{j}(x)f(x),ci(x),hj(x)是定义在Rn\mathbf{R}^{n}Rn上的连续可微函数。对于一个约束最优化问题: (1)min f(w)s.t. gi(w)⩽0,i=1,2,...,k hw=0,i=原创 2019-01-11 18:06:15 · 169 阅读 · 0 评论 -
机器学习中关于性能度量的一些概念
1.查准率查全率与F1 首先我们考虑一个二分类问题,可以根据真实类别与预测类别分为:真正例、假正例、真反例、假反例。我们建立如下图所示的表格: 查准率是这样定义的:P=TPTP+FPP = \frac{TP}{TP+FP}P=TP+FPTP 查全率是这样定义的:R=TPTP+FNR = \frac{TP}{TP+FN}R=TP+FNTP 查准率和查全率是一组相互矛盾的变量,差准率关注的是查出的...原创 2019-03-01 22:54:56 · 282 阅读 · 0 评论 -
集成学习中的AdaBoost
学习《统计学习方法》、《机器学习实战》以及《机器学习》有关集成方法的内容,做的学习笔记。以便复习。 集成学习的介绍 集成学习的基本思想:集成学习通过构建并结合多个学习器来完成学习任务。 集成学习的一般结构:先产生一组“个体学习器”,再用某种策略将他们结合起来。 利用通俗的话来说:我们想象一个决定场景。由多个专家做出决断总会比单个专家做出的决断更具有准确性。个体学习器就代表的是单个专家,综合考...原创 2019-02-26 18:02:54 · 104 阅读 · 0 评论 -
熟悉一个端对端的机器学习项目流程
《机器学习实战》阅读笔记 读入数据 import pandas as pd import os HOUSING_PATH = r"handson-ml-master\datasets\housing" def load_housing_data(housing_path = HOUSING_PATH): csv_path = os.path.join(housing_path, "ho...原创 2019-03-06 17:23:19 · 321 阅读 · 0 评论 -
通过Scikit-Learn来实现支持向量机的各种算法
机器学习实战阅读笔记 软间隔分类 在Scikit—learn的SVC类中通过超参数C来控制如果有违例的情况的接受度。C值越小违例也会越多。在使用软间隔分类的时候,可以使用降低C来进行正则化。 下面加载鸢尾花数据集,缩放特征,然后训练一个线性SVC模型。使用LinearSVC类,C=0.1,hinge损失函数。 import numpy as np from sklearn import datas...原创 2019-03-15 23:52:45 · 458 阅读 · 0 评论 -
数据聚合与分组操作
GroupBy机制 import numpy as np import pandas as pd df = pd.DataFrame({'key1':['a','a','d','d','a'], 'key2':['one','two','one','two','one'], 'data1': np.random.randn(...原创 2019-04-30 17:14:50 · 433 阅读 · 0 评论