- 博客(9)
- 收藏
- 关注
RSS订阅原创 kaggle实战之竞赛步骤
特征使用方案 基于业务理解,尽可能找出对因变量有影响的所有自变量 并根据获取难度、覆盖率、准确率对特征进行可用性评估 特征获取 如何获取这些特征 如何存储 特征清洗 清洗异常特征 进行采样，如果数据不均衡，可以使用上采样或下采样保证数据均衡 将少的数据给予大的权重，以模型能够着重考虑少的数据 把多数据分为多类与少数据组成多组数据均衡的数据，分别训练多个弱分类器，然后...
2018-12-04 23:34:14
334
转载 最大似然估计
假设我们需要调查我们学校的男生和女生的身高分布。你怎么做啊？你说那么多人不可能一个一个去问吧，肯定是抽样了。假设你在校园里随便地活捉了100个男生和100个女生。他们共200个人（也就是200个身高的样本数据，为了方便表示，下面，我说“人”的意思就是对应的身高）都在教室里面了。那下一步怎么办啊？你开始喊：“男的左边，女的右边，其他的站中间！”。然后你就先统计抽样得到的100个男生的身高。假设他们的...
2018-12-03 19:21:28
358
原创 [Python-代码实现]统计学习方法之感知机模型
通过鸢尾花数据对感知机模型进行训练及展示 手写 Coding import pandas as pd import numpy as np from sklearn.datasets import load_iris import matplotlib.pyplot as plt # 五、构建训练模型 class Model: def __init__(self, data): ...
2018-12-03 13:28:01
218
原创 深度学习实践（一）—tensorflow之概述
内容预览 1.1 深度学习与机器学习的区别 1.1.1 特征提取方面 1.1.2 数据量和计算性能要求 1.1.3 算法代表 1.2 深度学习的应用场景 1.2.1 图像识别 1.2.2 自然语言处理技术 1.2.3 语音技术 1.3 深度学习框架介绍 1.3.1 常见深度学习框架对比 1.3.2 TensorFlow的特点 1.3.3 TensorFlow的安装 1....
2018-12-02 16:57:07
437
原创 机器学习实践（十七）—sklearn之无监督学习-K-means算法
一、无监督学习概述 什么是无监督学习 之所以称为无监督，是因为模型学习是从无标签的数据开始学习的。 无监督学习包含算法 聚类 K-means(K均值聚类) 降维 PCA 二、K-means原理 K-means聚类步骤 随机设置K个特征空间内的点作为初始的聚类中心 对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记类别 接着对着标记的聚类中...
2018-12-01 23:13:09
724
原创 机器学习实践（十六）—sklearn之模型保存和加载
一、sklearn - 模型的保存和加载 - API from sklearn.externals import joblib 保存 joblib.dump(rf, ‘test.pkl’) 加载 estimator = joblib.load(‘test.pkl’) 二、示例助解 保存 # 使用线性模型进行预测 # 使用正规方程求解 lr = LinearRegression...
2018-12-01 23:10:56
801
2
原创 机器学习实践（十五）—sklearn之分类算法-逻辑回归、精确率、召回率、ROC、AUC
逻辑回归虽然名字中带有回归两字，但它实际是一个分类算法。 一、逻辑回归的应用场景 广告点击率 是否为垃圾邮件 是否患病 金融诈骗 虚假账号 看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。 逻辑回归就是解决二分类问题的利器 二、逻辑回归的原理 输入 逻辑回归的输入其实就是线性回归 即： hθ(x)=θTx h_\theta(x)=\theta^Tx hθ(x)=...
2018-12-01 23:09:53
6550
原创 机器学习实践（十四）—sklearn之岭回归（线性回归的改进）
带有 L2 正则化的线性回归就是岭回归。 岭回归，其实也是一种线性回归。 只不过在算法建立回归方程时候，加上正则化的限制，从而达到解决过拟合的效果。 加上正则化，也就是使权重满足划分正确结果的同时尽量的小 一、岭回归 - API 岭回归 - API sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver=“auto”, ...
2018-12-01 23:07:31
702
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人