机器学习算法篇
ml_nick
没有最高,只有更高
展开
-
【机器学习算法篇】sklearn LogisticRegression - 参数说明
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/jark_/article/details/78342644 </div> <div id="content_views" cl...转载 2019-02-22 13:07:48 · 1748 阅读 · 0 评论 -
【机器学习算法篇】学习一点总结
奥卡姆剃刀:多个假设与观察一致,选择最简单的那个。 线性模型:试图学得一个通过属性的线性组合来进行预测的函数,即,一般用向量形式写成。包括线性回归、逻辑回归、线性判别分析,多分类任务。 均方误差是回归任务最常用的性能度量: 基于均方误差最小化来进行模型求解的方法称为“最小二乘法” 二维平面上点a(x1,y1)与b(x2,y2)间的欧氏距离:曼哈顿距离:切比雪...原创 2019-02-19 02:19:44 · 210 阅读 · 0 评论 -
【机器学习算法篇】一、线性回归
预测函数: 损失函数:参数: (正规方程)以上即为参数最优解的闭式解,但我们可以发现*的计算涉及矩阵的求逆,这样的话就有一些限制了,只有在X^T*X为满秩矩阵或者正定矩阵时,才可以使用以上式子计算。但在现实任务中,X^T*X往往不是满秩矩阵,这样的话就会导致有多个解,并且这多个解都能使均方误差最小化,但并不是所有的解都适合于做预测任务,因...原创 2019-02-18 18:32:18 · 267 阅读 · 0 评论 -
【机器学习算法篇】二、逻辑回归
预测函数:损失函数:梯度下降更新过程:原创 2019-02-18 22:11:57 · 215 阅读 · 0 评论 -
【机器学习算法篇】决策树
决策树是一种基本的分类与回归方法。决策树的学习过程特征选择:从训练数据的特征中选择一个特征作为当前节点的分裂标准(特征选择的标准不同产生了不同的特征决策树算法)。 决策树生成:根据所选特征评估标准,从上至下递归地生成子节点,直到数据集不可分则停止。 剪枝:决策树容易过拟合,需要剪枝来缩小树的结构和规模(包括预剪枝和后剪枝)。实现决策树的算法包括ID3、C4.5算法等实现决策树的算法包...原创 2019-02-19 02:19:26 · 332 阅读 · 0 评论