![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
r1ch4rd
这个作者很懒,什么都没留下…
展开
-
Kaggle-Titanic
最近研究了一下kaggle,做了Titanic的项目,用此博客记录一下 Kaggle-Titanic kaggle链接 环境:Anaconda,python2.7 github源码链接 通过观察数据集,这是一个二分类的问题,所以采用逻辑回归模型即可(最初想法) 数据可视化 首先拿到数据集需要对其进行可视化查找出可用特征。 特征工程(很重要!!) ...原创 2018-07-16 16:09:16 · 438 阅读 · 0 评论 -
机器学习算法整理(四)
文章目录SVM支持向量机数学模型合页损失函数求解方法扩展到多分类核函数优缺点 SVM支持向量机 支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类(binary classification)的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最...原创 2019-07-12 16:59:18 · 191 阅读 · 0 评论 -
机器学习算法整理(三)
文章目录朴素贝叶斯文本的处理问题exercise 朴素贝叶斯 利用朴素贝叶斯解决邮件分类(文本分析)问题(监督学习) 模型的输入是P(邮件内容∣正常)P(邮件内容|正常)P(邮件内容∣正常),P(邮件内容∣垃圾)P(邮件内容|垃圾)P(邮件内容∣垃圾)(似然概率);先验概率P(垃圾)P(垃圾)P(垃圾),P(正常)P(正常)P(正常) 任务内容是计算P(垃圾or正常∣邮件内容)P(垃圾or正常|邮...原创 2019-07-04 15:58:11 · 119 阅读 · 0 评论 -
机器学习算法整理(二)
文章目录LR算法梯度下降法:算法优化:随机梯度下降法实践 LR算法 逻辑回归主要用于二元分类问题,逻辑函数为 f(x;θ)=11+e−θTxf (x;\theta)= \frac{1}{1+e^{-{\theta}^Tx}}f(x;θ)=1+e−θTx1 推导损失函数: P(y=1∣x;θ)=f(x;θ)=11+e−θTxP(y = 1|x;\theta) = f(x;\theta)=\frac...原创 2019-07-04 16:07:21 · 131 阅读 · 0 评论 -
机器学习算法整理(一)
文章目录KNN整理代码实现总结 KNN整理 KNN(K-Nearest Neighbors)的原理 通过样本之间的距离或者相似度来确定分类。 K值的选择不同,也会引起分类结果的不同, 图源来自Greedy AI Academy K = 1: K = 3: 距离计算 要度量空间中点距离的话,有好几种度量方式,比如常见的曼哈顿距离计算,欧式距离计算等等。不过通常KNN算法中使用的是欧式...原创 2019-07-01 11:34:59 · 571 阅读 · 0 评论