Machine Learning学习笔记
机器学习相关的学习笔记
饕餮争锋
这个作者很懒,什么都没留下…
展开
-
基于 Python 和 Scikit-Learn 的机器学习介绍
基于 Python 和 Scikit-Learn 的机器学习介绍转载 2017-06-22 11:51:34 · 385 阅读 · 0 评论 -
ROC曲线与AUC计算总结
学习笔记,如有侵权,联系删除。参考:https://blog.csdn.net/pzy20062141/article/details/48711355一、roc曲线1、roc曲线:接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。横轴:负正类率(false postive rate, FPR),特异度,划分实例中所...转载 2018-05-25 20:14:40 · 22549 阅读 · 0 评论 -
一步一步理解GB、GBDT、xgboost
理解GB、GBDT、xgboost转载 2017-07-09 12:02:56 · 5212 阅读 · 1 评论 -
xgboost指南
xgboost参数调用转载 2017-07-09 11:46:56 · 831 阅读 · 0 评论 -
xgboost原理
xgboost原理转载 2017-07-08 21:34:47 · 651 阅读 · 0 评论 -
梯度提升树GBDT原理
gbdt算法转载 2017-07-08 21:31:54 · 392 阅读 · 0 评论 -
随机森林
随机森林原理转载 2017-07-08 21:29:04 · 1621 阅读 · 0 评论 -
One-Hot Encoding 及其使用原因
One-Hot Encoding 及其使用原因转载 2017-06-24 15:40:45 · 14316 阅读 · 0 评论 -
Scikit-learn使用总结
Scikit-learn使用总结转载 2017-06-22 11:58:49 · 1535 阅读 · 1 评论 -
机器学习常用的距离度量方法
机器学习领域常常会遇到求解相似度的问题,通常可以转化为对距离的求解,最常用的是对“向量”的距离求解。比如,求解某物品A和某物品B之间的相似度,可以收集它们共有特征,构建特征向量a和b,然后求解这两向量之间的距离,表示它们相似程度。下面介绍一些常用的求解距离的方法。方法一:欧式距离 欧式距离表示两点之间的直线距离,使用的较多。(1)二维平面上两个向量a(x1,x2),b(y1,y2)的欧式...原创 2018-05-29 10:32:46 · 2506 阅读 · 0 评论