![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
DBL_fish
这个作者很懒,什么都没留下…
展开
-
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 · 413 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 · 583 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 · 675 阅读 · 0 评论 -
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 · 3125 阅读 · 0 评论 -
sklearn preprocessing(预处理)
转发sklearn preprocessing (预处理) - 做梦当财神 - 博客园 https://www.cnblogs.com/keye/p/8194539.html预处理的几种方法:标准化、数据最大最小缩放处理、正则化、特征二值化和数据缺失值处理。知识回顾:p-范数:先算绝对值的p次方,再求和,再开p次方。数据标准化:尽量将数据转化为均值为0,方差为1的数据,形如标...转载 2019-03-26 22:28:15 · 471 阅读 · 0 评论 -
机器学习总结
调和平均 和 F1值的关系:调和平均容易受极端值的影响,F1值相当于把精准率和召回率放在同等重要的位置进行衡量。链接:为何选用F1值(调和平均数)衡量P与R? - weixin_39490983的博客 - CSDN博客 https://blog.csdn.net/weixin_39490983/article/details/88297899调和平均数在F1上的应用 - 简书 ...原创 2019-06-11 12:13:39 · 247 阅读 · 0 评论