- 博客(4)
- 收藏
- 关注
RSS订阅翻译 模型融合
一般来说，通过融合多个不同的模型，可能提升机器学习的性能，这一方法在各种机器学习比赛中广泛应用，比如在kaggle上的otto产品分类挑战赛①中取得冠军和亚军成绩的模型都是融合了1000+模型的“庞然大物”。 常见的集成学习&模型融合方法包括：简单的Voting/Averaging（分别对于分类和回归问题）、Stacking、Boosting和Bagging。 Voting/Averagi...
2020-04-04 21:52:09
452
翻译 建模调参
主要内容 线性回归模型： 线性回归对于特征的要求； 处理长尾分布； 理解线性回归模型； 模型性能验证： 评价函数与目标函数； 交叉验证方法； 留一验证方法； 针对时间序列问题的验证； 绘制学习率曲线； 绘制验证曲线； 嵌入式特征选择： Lasso回归； Ridge回归； 决策树； 模型对比： 常用线性模型； 常用非线性模型； 模型调参： 贪心调参方法； 网格调参方法； 贝叶斯调参方法； 1、线性回...
2020-04-01 20:48:57
357
翻译 特征工程
特征工程导图 引言 坊间常说：“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已”。由此可见，特征工程在机器学习中占有相当重要的地位。在实际应用当中，可以说特征工程是机器学习成功的关键。在实际应用当中，可以说特征工程是机器学习成功的关键。纵观Kaggle、KDD等国内外大大小小的比赛，每个竞赛的冠军其实并没有用到很高深的算法，大多数都是在特征工程这个环节做出了出色的工作，然后使用...
2020-03-28 16:33:19
766
转载 数据挖掘基础知识
Basis(基础)： MSE(Mean Square Error 均方误差)， LMS(LeastMean Square 最小均方)， LSM(Least Square Methods 最小二乘法)， MLE(MaximumLikelihood Estimation最大似然估计)， QP(Quadratic Programming 二次规划)， CP(Conditional Probability...
2020-03-24 20:33:52
402
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