- 博客(4)
- 收藏
- 关注
RSS订阅
原创 集成学习整理：Boosting & Bagging
一、集成学习将若干弱分类器组合生成一个强分类器；弱分类器：指分类准确率只稍好于随机猜测的分类器（错误率<50%）；分为两大流派：bagging和boosting；核心：如何实现数据多样性，从而实现弱分类器的多样性；特点：（1）将多个分类方法聚集在一起，以提高分类的准确率（这些算法可以是不同的算法，也可以是相同的算法。）；（2）集成学习法由训练数据构建一组基分类器，然后...
2019-04-01 16:25:11
544
原创 IV WOE & 评分卡 & 分箱
数据分箱：对连续变量离散化；实际上就是按照属性值划分的子区间，可以简单理解为分段处理（不同的是对特征进行分箱后，需要对分箱的每组进行woe编码进行分箱评估，才能放进模型训练）；意义： 1.模型更稳定，特征离散化后，起到简化逻辑回归模型的作用，降低过拟合风险； 2.变量离散化后对异常数据有很强的鲁棒性； 3.将逻辑回归模型转换为评分卡形式的时候，分箱也是必须的...
2019-04-21 12:35:41
7222
原创 线性回归和对率回归
线性回归：根据样本学习从x到y的映射关系，如y=W^T·x+b，利用这个映射关系对未知数据进行预估，因为y是连续实值，故为回归问题； ·损失函数：最小二乘；平方损失函数·正则化：L１正则化： Lasso回归；产生稀疏权值矩阵（指很多元素为0，只有少数是非零值的矩阵，也就是得到的线性回归模型大部分系数为0）；可用于特征选择，使模型在大量特征中只关注那些非...
2019-04-20 14:37:59
2406
原创 论文理解《Learning from Synthetic Data for Crowd Counting in the Wild》
CVPR2019 主页：https://gjy3035.github.io/GCC-CL/index.html才发现之前一直看的人群计数总结也是这位作者的：https://github.com/gjy3035/Awesome-Crowd-Counting#GWTA-CCNN ，很赞！解决问题：真实场景中存在多变的环境、更拥挤的人群，现存的方法不能很好解决问题；除此之外，因为数...
2019-04-01 10:43:22
3072
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