![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 94
lucas-nlp
悉尼科技大学AAII博士。主攻方向:推荐,自然语言处理,医学人工智能研究。
展开
-
最小二乘法小结
最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习,尤其是回归模型中,经常可以看到最小二乘法的身影,这里就对我对最小二乘法的认知做一个小结。1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让德在19世纪发现的,原理的一般形式很简单,当然发现的过程是非常艰难的。形式如下式:目标函数=∑(观测值−理论值)2目标函数=∑(观测值−理论值)2 观测值就是我们的多组样本,理论值就是我们的假设拟合函数。目标函数也就是在机器学习中常说的损失函数,我们的目标是得到使目标函数最小化时转载 2020-09-21 14:58:47 · 1421 阅读 · 0 评论 -
使用sklearn--Random Forest参数说明,随机森林调参数
使用sklearn--Random Forest参数说明(待补充)资料来源:http://www.cnblogs.com/jasonfreak/p/5657196.html ps:他/她写的好好 《机器学习》 周志华:第二章偏差与方差,第八章0. 前言sklearn提供了sklearn.ensemble库,其中包括随机森林模型(分类)。但之前使用这个...原创 2018-09-19 10:47:37 · 6618 阅读 · 0 评论 -
向量的相似性度量
距离计算方法总结 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录:1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5...转载 2018-09-19 15:13:49 · 481 阅读 · 0 评论