![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
DataLiu
大数据技术成长记
展开
-
机器学习--协同过滤实验及源码(Python版)
【实验目的】1.掌握协同过滤算法的原理。2.掌握相似度算法。3.掌握使用Python代码实现协同过滤算法。【实验原理】算法简介协同过滤(Collaborative Filtering,简称CF),协同过滤算法的原理是汇总所有<user,item>的行为对, 利用集体智慧做推荐。其原理很像朋友推荐, 比如通过对用户喜欢的item进行分析, 发现用户A和用户B...原创 2020-03-15 21:09:50 · 2010 阅读 · 0 评论 -
机器学习--决策树实验及源码(Python版)
【实验原理】决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3,...原创 2020-03-14 20:41:31 · 4738 阅读 · 2 评论 -
机器学习复习模拟题
Q1. 在回归模型中,下列哪一项在权衡欠拟合(under-fitting)和过拟合(over-fitting)中影响最大?A. 多项式阶数B. 更新权重 w 时,使用的是矩阵求逆还是梯度下降C. 使用常数项答案:A解析:选择合适的多项式阶数非常重要。如果阶数过大,模型就会更加复杂,容易发生过拟合;如果阶数较小,模型就会过于简单,容易发生欠拟合。如果有对过拟合和欠拟合概念不清楚的,Q2关...原创 2020-02-21 13:04:53 · 78790 阅读 · 1 评论 -
机器学习期末复习笔记
一、L1( Lasso回归)、L2(岭回归)正则异同区别:1:下降的速度L1,L2都是规则化的方式,最小化目标函数,类似于一个下坡的过程,所以它们下降的坡不同,L1是按照绝对值函数下坡,L2是按照二次函数下坡,在0附近,L1的速度更快。2:模型空间的限制L1会将模型限制一个正方形区域,L2将模型限制在一个圆的区域,二维情况如图所示:总结就是L1会使得某些参数为0,具有稀疏性,而L2没...原创 2020-02-21 12:54:50 · 6932 阅读 · 0 评论