机器学习
一起来玩鸭
这个作者很懒,什么都没留下…
展开
-
特征处理—特征筛选
特征处理特征筛选方差过滤相关性过滤卡方过滤F检验互信息法Embedded嵌入法Wrapper包装法 特征筛选 来源:菜菜 方差过滤 相关性过滤 卡方过滤 F检验 互信息法 Embedded嵌入法 Wrapper包装法原创 2021-09-27 16:39:38 · 177 阅读 · 0 评论 -
2021-03-01
机器学习一 1 逻辑回归 2 决策树原创 2021-03-01 18:12:17 · 147 阅读 · 0 评论 -
决策树
1.决策树的介绍 决策树是一种常见的分类模型,在金融分控、医疗辅助诊断等诸多行业具有较为广泛的应用。决策树的核心思想是基于树结构对数据进行划分,这种思想是人类处理问题时的本能方法。例如在婚恋市场中,女方通常会先看男方是否有房产,如果有房产再看是否有车产,如果有车产再看是否有稳定工作……最后得出是否要深入了解的判断。 决策树的主要优点: 具有很好的解释性,模型可以生成可以理解的规则。 可以发现特征的重要程度。 模型的计算复杂度较低。 决策树的主要缺点: 模型容易过拟合,需要采用减枝技术处理。 不能很好利用连续原创 2020-08-23 23:50:06 · 130 阅读 · 0 评论 -
基于逻辑回归的分类预测
基于逻辑回归的分类预测 逻辑回归的介绍 逻辑回归(Logistic regression,简称LR)虽然其中带有"回归"两个字,但逻辑回归其实是一个分类模型,并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热,但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。 而对于逻辑回归而言,最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣势: 优点:实现简单,易于理解和实现;计算代价不高,速度很快,存储资源低; 缺点:容易欠拟合,分类精度可能不高 逻辑回归的应用 逻辑原创 2020-08-20 23:52:41 · 305 阅读 · 0 评论