机器学习
文章平均质量分 80
什么是快乐星球!?
导航、信号处理、机器学习、深度学习、目标跟踪、视觉SLAM
展开
-
常用书籍或网站链接-持续更新
2021.10.04 创建Deep Learning 书籍,作者:Ian Goodfellow, Yoshua Bengio and Aaron Courvillehttps://www.deeplearningbook.org/原创 2021-10-04 11:01:38 · 230 阅读 · 0 评论 -
机器学习(一)之 2万多字的监督学习模型总结V1.0:K近邻、线性回归、岭回归、朴素贝叶斯模型、决策树、随机森林、梯度提升回归树、SVM、神经网络
本文根据Andreas C.Muller的《Introduction to Machine Learning with Python》和西瓜书,整理了常见的监督学习模型。本文不讲解复杂的数学理论,涉及到了K近邻、线性模型、朴素贝叶斯分类器、决策树、随机森林、梯度提升回归树、SVM、MLP,以及监督学习模型的选择原则,全文2万多字,后续还会进一步补充。在后面的博客中会记录机器学习数学推导、无监督学习等机器学习内容,Kaggle竞赛。原创 2020-03-10 00:07:54 · 4694 阅读 · 4 评论 -
机器学习(二)之无监督学习:数据变换、聚类分析
文章目录0 本文简介1 无监督学习概述2 数据集变换2.1 预处理和缩放2.2 程序实现2.3 降维、特征提取与流形学习2.3.1 主成分分析2.3.2 非负矩阵分解2.3.3 用t-SNE进行流形学习3 聚类3.1 K均值聚类3.2 凝聚聚类3.3 DBSCAN3.4 聚类算法的对比与评估4 聚类分析小结4 聚类分析小结0 本文简介本文根据Andreas C.Muller的《Introduc...原创 2020-05-04 22:59:38 · 3624 阅读 · 2 评论 -
机器学习(三)之数据表示和特征工程:One-Hot编码、分箱处理、交互特征、多项式特征、单变量非线性变换、自动化特征选择
文章目录0 本文简介1 分类变量1.1 One-Hot编码1.2 数字可以编码分类变量2 分箱、离散化、线性模型与树3 交互特征与多项式特征3.1 交互特征3.2 多项式特征4 单变量非线性变换5 自动化特征选择5.1 单变量统计5.2 基于模型的特征选择5.3 迭代特征选择0 本文简介在数据处理时常常见到连续特征(continuous feature)和离散特征(discrete featu...原创 2020-05-04 23:09:37 · 4283 阅读 · 3 评论 -
机器学习(四)之参数选择:交叉验证、网格搜索
文章目录0 本文简介1 交叉验证1.1 思想和实现1.2 优缺点1.3 分层k折交叉验证1.4 留一法交叉验证1.5 打乱划分交叉验证1.6 分组交叉验证2 网格搜索2.1 简单网格搜索2.2 带交叉验证的网格搜索0 本文简介主要介绍了在调参时用到的交叉验证、网格搜索。网格搜索是一种调节监督模型参数以获得最佳泛化性能的有效方法。1 交叉验证1.1 思想和实现交叉验证(cross-vali...原创 2020-05-04 23:13:49 · 6252 阅读 · 5 评论 -
机器学习(五)之评价指标:二分类指标、多分类指标、混淆矩阵、不确定性、ROC曲线、AUC、回归指标
文章目录0 本文简介1 二分类指标1.1 二分类时的错误类型1.2 不平衡的数据1.3 混淆矩阵1.4 考虑不确定性1.5 准确率-召回率曲线1.6 ROC与AUC2 多分类指标3 回归指标4 在模型选择中使用评估指标0 本文简介我们使用精度来评估分类性能,使用R2R^2R2评估回归性能,但是监督模型在给定数据集上的表现有多种方法。我们还有很多评估指标,本文简要介绍二分类指标、多分类指标,以及...原创 2020-05-04 23:18:17 · 10748 阅读 · 8 评论