![](https://img-blog.csdnimg.cn/20190310221203259.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
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 · 3138 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 · 679 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 · 589 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 · 420 阅读 · 0 评论