机器学习总结
机器学习学习了很久,但是比较零散,趁这个机会,把以前学习的总结一下,串成一个完整的过程
DBL_fish
这个作者很懒,什么都没留下…
展开
-
机器学习(三):决策树--回归树--提升方法
参考:七月在线机器学习第九期决策树,西瓜书目录决策树(Deecisioon Tree model)总体概括:(1)ID3:(2)C4.5(3)CART(二叉树)回归树:bagging思想:决策树优缺点:参考:决策树(Deecisioon Tree model)总体概括:逻辑回归过渡到决策树:对于相亲问题,有很多中就解决方案,用...原创 2019-03-20 16:54:15 · 3170 阅读 · 0 评论 -
机器学习——特征工程篇
参考:七月在线ML第九期-特征工程目录1.数据清洗2.采样2.特征工程数值型:(1)幅度缩放(最大最小值缩放,归一化。。。)(2)离散化/分箱分桶(等距pd.cut ,等频pd.qcut)(非线性,加速,特征交叉,健壮性)(3)统计值:(max,min ,quantile,均值,中位数,众数,分位数)(4)四则运算:(加减乘除)(5)幅度变化:(有一些...原创 2019-03-15 20:47:14 · 695 阅读 · 0 评论 -
机器学习(二):回归类问题
目录1.线性回归1.1线性回归1.1.1 一元线性回归1.1.2 多元线性回归1.2损失函数1.2.1 梯度下降(GD)1.3正则1.3.1 过拟合(overfitting)与欠拟合(underfitting)1.3.2 正则化2. 逻辑回归2.1 sigmoid()函数2.2 逻辑回归是怎样解决分类问题的2.3 损失函数2.4 ...原创 2019-03-11 17:09:33 · 740 阅读 · 0 评论 -
机器学习(一):机器学习入门常识
机器学习常常划分为三个方面:监督学习:(有标签的学习)包括分类,回归问题 无监督学习:(无标签的学习)聚类问题 强化学习:(有延迟的反馈)根据当前的处境选取最优解,比如下象棋,下完这步棋,在这步棋的基础上,争取下的最好,整部棋下的好坏,跟前几步都有关系。分类问题:因为有了标签值,根据算法,将样本归于哪一类。(逻辑回归,决策树,随机森林,svm)回归问题:是一个连续值,根据样本上的...原创 2019-03-10 23:11:03 · 442 阅读 · 0 评论