机器学习
如是雨林
熟悉java,嵌入式C语言和操作系统
展开
-
《机器学习基石》PLA和Pocket作业1
只是搬运工而已总题目:https://blog.csdn.net/a1015553840/article/details/51085129题目:https://blog.csdn.net/MajorDong100/article/details/50969243答案:https://blog.csdn.net/rikichou/article/details/78226036...转载 2018-05-01 15:55:13 · 248 阅读 · 0 评论 -
统计学之三大相关性系数(pearson、spearman、kendall)
(转自 微信公众号克里克学苑)三个相关性系数(pearson, spearman, kendall)反应的都是两个变量之间变化趋势的方向以及程度,其值范围为-1到+1,0表示两个变量不相关,正值表示正相关,负值表示负相关,值越大表示相关性越强。 1. person correlation coefficient(皮尔森相关性系数) 公式如下:重点关注第一个等号后面的公式,...转载 2018-09-17 18:25:10 · 80817 阅读 · 1 评论 -
机器学习——缺失值处理方法汇总
转自:https://blog.csdn.net/w352986331qq/article/details/78639233缺失值处理方法综述缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。缺失值的产生的原因多种多样,主要分为机械原因和人为原因。 机械原因是由于机械原因导致的数据收集或保存的失败造成的数据缺失,比如数...转载 2018-09-09 11:40:20 · 1229 阅读 · 0 评论 -
机器学习——奇异值分解
首先分享红色石头写的蛮好的奇异值分解文章:https://mp.weixin.qq.com/s?__biz=MzIwOTc2MTUyMg==&mid=2247485204&idx=1&sn=26c54ebbb30a5cbc5b53e45e5b03e2d2&chksm=976fa289a0182b9fb63af5270a26632a562124901f71feba...原创 2018-09-02 10:22:07 · 173 阅读 · 0 评论 -
机器学习之支持向量机(Support Vector Machine)
个人觉得比较好的博客:https://blog.csdn.net/on2way/article/details/47729419转载 2018-05-13 20:12:43 · 296 阅读 · 0 评论 -
机器学习之logistic 回归
https://www.cnblogs.com/alfred2017/p/6627824.htmlhttps://www.cnblogs.com/muchen/p/6296957.htmlhttps://blog.csdn.net/herosofearth/article/details/51988193转载 2018-05-04 16:55:35 · 110 阅读 · 0 评论 -
机器学习之随机森林
随机森林是基于决策树的基础上延伸的,所以学会了决策树,随机森林非常好理解原理:https://blog.csdn.net/mao_xiao_feng/article/details/52728164https://blog.csdn.net/qq547276542/article/details/78304454实现:https://blog.csdn.net/rosefun96/article/...转载 2018-05-04 16:24:41 · 135 阅读 · 0 评论 -
最优化方法
https://www.cnblogs.com/shixiangwan/p/7532830.htmlhttps://blog.csdn.net/itplus/article/details/21896453转载 2018-05-10 14:47:45 · 685 阅读 · 1 评论 -
机器学习算法——决策树
搬运工:原理:https://blog.csdn.net/liqiutuoyuan/article/details/77245738实现:https://blog.csdn.net/HerosOfEarth/article/details/52347820https://blog.csdn.net/herosofearth/article/details/52425952...转载 2018-05-02 11:39:00 · 124 阅读 · 0 评论 -
机器学习——Bagging和Boosting的区别(面试准备)
Baggging 和Boosting都是模型融合的方法,可以将弱分类器融合之后形成一个强分类器,而且融合之后的效果会比最好的弱分类器更好。 Bagging:先介绍Bagging方法:Bagging即套袋法,其算法过程如下: 从原始样本集中抽取训练集。每轮从原始样本集中使用Bootstraping的方法抽取n个训练样本(在训练集中,有些样本可能被多次抽取到,而有些样本可能一次都...转载 2018-09-13 12:23:29 · 1950 阅读 · 0 评论