- 博客(3)
- 收藏
- 关注
RSS订阅原创 机器学习-学习笔记(三)
异常检测中有少量的正向类(y=1),大量的负向类(y=0),有很多类型的异常算法很难去学习,未来异常的情况与已知的异常很大不同。均值归一化: 将矩阵X进行均值归一化处理, 即算出每一行的平均值 每一个值减去当前行的平均值,利用得到的新的矩阵X训练算法。监督学习有大量的正向类(y=1)和负向类(y=0),足够多的正向类来训练算法,未来的异常与训练样本中的异常相似。目标: 最小化所有的数据点与其所关联的聚类中心点之间的距离之和。二进制标签 数据中0的数标签为0 非零数标签为1。异常检测与监督学习的对比。
2023-05-11 21:47:56
31
1
原创 机器学习 学习笔记(二)
Boosting(提升方法 ): 其中,最重要的是AdaBoost（Adaptive boosting）算法：刚开始训练时每一个训练权重相等，然后对训练集训练n轮，每次训练后，对训练失败的训练例赋以较大的权重，也就是让学习算法在每次学习以后更注意学错的样本，从而得到多个预测函数.其中, TP:真阳 FP:假阳 TN:真阴 FN:假阴 精准率P: TP/TP+FP 召回率R: TP/TP+FN。神经网络向前传播 :把每一层的输出作为下一层的输入,一层一层的传播下去。
2023-05-11 20:44:37
41
1
原创 机器学习-学习笔记(一)
归一化:使预处理的数据被限定在一定的范围内（比如[0,1]或者[-1,1]），从而消除奇异样本数据导致的不良影响。网格搜索法 (Grid Search) :在指定的参数范围内，按步长依次调整参数，利用调整的参数训练学习器，从所有的参数中找到在验证集上精度最高的参数.特征工程: 将原始数据转化成更好的表达问题本质的特征的过程，使得将这些特征运用到预测模型中能提高对不可见数据的模型预测精度。kNN: 对于一个新的输入,选择其邻近的k个样例,k个样例中多数属于某个类,则把新的输入分类到这个类中.
2023-04-20 22:48:41
72
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