- 博客(5)
- 收藏
- 关注
RSS订阅原创 模型评价与优化
1.过拟合与欠拟合欠拟合与过拟合： 训练数据 预测数据 欠拟合 不准确 不准确 过拟合 准确 不准确 好模型 准确 准确 欠拟合可以通过观察训练数据及时发现，通过优化模型结果解决。 如何解决过拟合问题：原因：模型结构过于复杂（维度过高）；使用了过多属性，模型训练时包含了干扰项信息。 解决办法：简化数据模型（使用低阶模型，如线性模型）；数据PCA处理；模型训练时，增加正则...
2020-11-01 19:44:06
1716
原创 机器学习其他常用技术
1.决策树任务：根据用户的学习动力，能力提升意愿，兴趣度，空余时间，判断其是否适合学习本门课程。逻辑回归： 决策树：决策树是一种对实例进行分类的树形结构，通过多层判断区分目标所属类别。本质：通过多层判断，从训练数据集中归纳出一组分类规则。优点：计算量小，运算速度快；易于理解，可清晰查看各种属性的重要性。缺点：忽略属性间的相关性；样本类别分布不均匀时，容易影响模型表现求解：假设给定训练数据集，其中，为输入实例，m为特征个 数，为类标记，，N为样本容量。目标...
2020-10-31 17:55:59
1145
原创 机器学习之聚类（实战）
1.无监督学习按照特征进行划分，没有对与错，寻找数据的共同点。机器学习的一种方法，没有给定事先标记过的训练示例，自动对输入的数据进行分类或分群。优点：算法不受监督信息的约束，可能考虑到新的信息。 不需要标签数据，极大程度扩大数据样本。主要应用：聚类分析clustering，关联规则，维度缩减与监督学习的区别：没有数据标签y监督学习：训练数据{} 无监督学习：训练数据{}无监督学习常用算法：聚类分析聚类分析又称群分析，根据对象某些属性的相似度，将其自动划分类别。 聚类分析
2020-10-30 21:14:15
728
1
原创 机器学习之逻辑回归（实战源码）
分类问题介绍任务：输入：电子邮件；输出：此邮件为垃圾文件/普通邮件流程：标注样本邮件是垃圾邮件还是普通邮件 获取批量的样本邮件及其标签，学习其特征（计算机实现） 针对新邮件，自动判断其类别特征：用于帮助判断是否为垃圾邮件的属性发件人包含:%&*... 正文包含：现金，领取等分类：定义：根据已知样本的某些特征，判断一个新样本属于哪一类别。 基本框架：y=f(x1,x2.....xn)，判断类别为N，如果y = N 方法逻辑回归：建立逻辑回归方程，判断类别 KNN近邻
2020-10-28 21:02:47
995
1
原创 机器学习之线性回归（思想）
scikit-learn:是python对机器学习的一款开源框架库，可以进行数据预处理，分类，回归，降维，模型选择等常用的机器学习算法。缺点：不支持深度学习，强化学习；只能用python。线性回归过程：寻找a,b(y=ax+b) from sklearn.linear_model import LinearRegressionIr_model = LinearRegression()Ir_model.fit(x, y) 展示a,b a = Ir_model.coef_.
2020-10-27 23:39:49
371
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