DBL_fish的博客

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...

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...

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 ...

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...