![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 69
sun_shengyun
这个作者很懒,什么都没留下…
展开
-
SVM支持向量机高斯核调参小结
转自http://www.cnblogs.com/pinard/p/6117515.html 在支持向量机(以下简称SVM)的核函数中,高斯核(以下简称RBF)是最常用的,从理论上讲, RBF一定不比线性核函数差,但是在实际应用中,却面临着几个重要的超参数的调优问题。如果调的不好,可能比线性核函数还要差。所以我们实际应用中,能用线性核函数得到较好效果的都会选择线性核函数。如果线性核不好,我转载 2017-02-18 17:48:08 · 29452 阅读 · 3 评论 -
【集成学习】scikit-learn Adaboost类库使用小结
转自http://www.cnblogs.com/pinard/p/6136914.html在集成学习之Adaboost算法原理小结中,我们对Adaboost的算法原理做了一个总结。这里我们就从实用的角度对scikit-learn中Adaboost类库的使用做一个小结,重点对调参的注意事项做一个总结。1. Adaboost类库概述 scikit-learn转载 2017-01-09 16:11:09 · 16080 阅读 · 3 评论 -
【集成学习】scikit-learn随机森林调参小结
原文:http://www.cnblogs.com/pinard/p/6160412.html在Bagging与随机森林算法原理小结中,我们对随机森林(Random Forest, 以下简称RF)的原理做了总结。本文就从实践的角度对RF做一个总结。重点讲述scikit-learn中RF的调参注意事项,以及和GBDT调参的异同点。1. scikit-learn随机森林类库概述转载 2017-01-19 17:34:54 · 26407 阅读 · 1 评论 -
python手撸线性回归(二)theta0不需要正则化
在上一篇关于线性回归的文章中,python手撸线性回归及参数解释,我们可以看到正则化项中并没有theta0二是从theta1开始的,In[7]的第三行Andrew在其机器学习中对此的解释是,按照惯例来讲,不去对θ0进行惩罚, 因此 θ0 的值是大的 这就是一个约定, 但其实在实践中这只会有非常小的差异 ,无论你是否包括θ0这项,结果只有非常小的差异,下边我们通过实验来证明,正则原创 2016-12-20 11:14:38 · 3633 阅读 · 0 评论 -
python手撸线性回归及参数解释
线性回归,简单的理解,在二维空间中,找到一条直线去尽可能的拟合样本数据,给出新的样本x,可以预测其y值,y是连续值,分类是离散值,如图1所示;如果是高维空间,那就是找到一个超平面去拟合,当然也可以是曲线;为了方便理解,以二维空间的直线为例,所谓找到最好的直线,就是找参数a和b,也就是theta[0],theta[1]。 如何去衡量一条直线是否是最好,在回归问题中一般用预测值与真原创 2016-12-14 11:57:12 · 14919 阅读 · 0 评论 -
Python手撸逻辑回归(logistic regression)
与线性回归用于预测连续值不同,逻辑归回用于分类,原理与线性回归类似,定义损失函数,然后最小化损失,得到参数既模型,只不过损失的定义不同。逻辑回归的假设如图1所示,可以理解为线性回归外面套了一层sigmoid函数g(z),sigmoid函数图像如图2所示,该函数有很好的数学性质,其导数= g(z)*(1- g(z)),导数计算量小,当z=0时,其函数值为0.5,z越大,函数值越接近于1,z越小,原创 2016-12-21 17:55:06 · 5850 阅读 · 0 评论 -
Python Jupyter Notebook 中的错误异常与代码调试
Python Jupyter Notebook 中的错误异常与代码调试 - Datacademy 数析学院 | Datartisan http://datacademy.io/lesson/65Python Jupyter Notebook 中的错误异常与代码调试首先我们定义两个函数,以便够造成一些错误和异常,方便来进行对于 Jupyter转载 2016-10-08 14:57:48 · 39344 阅读 · 2 评论 -
使用python+sklearn的决策树方法预测是否有信用风险
使用python+sklearn的决策树方法预测是否有信用风险原创 2016-09-21 11:01:18 · 6910 阅读 · 0 评论 -
python数据可视化(matplotlib,pandas绘图,直方图,散点图,柱状图,折线图,箱线图)
原址:http://datacademy.io/lesson/63增加了一些注释数据可视化对于数据描述以及探索性分析至关重,恰当的统计图表可以更有效的传递数据信息。在 Python 中已经有很多数据可视化方面的第三方程序包,例如:matplotlibChacoPyXBokeh本节,我们将重点学习 matplotlib 的基础绘图功能以及 pandas 的高级可视化功转载 2016-10-09 15:58:02 · 101081 阅读 · 3 评论