《百面机器学习》学习笔记
文章平均质量分 91
《百面机器学习》算法工程师带你去面试,诸葛越主编,葫芦娃 著。学习笔试
Thinkobj
这个作者很懒,什么都没留下…
展开
-
《百面机器学习》学习笔记之经典算法(支持向量机SVM、逻辑回归LR、决策树DT)
支持向量机(Support Vector Machine, SVM)是监督学习方法。将低维的数据映射到高维的核映射空间,寻找“分类超平面”将不同类别的数据区分开。原创 2023-04-04 11:01:22 · 590 阅读 · 0 评论 -
《百面机器学习》学习笔试之模型评估(第2章)
01 评估指标的局限性准确率(Accuracy)的局限性Accuracy=ncorrectntotalAccuracy = \frac{{{n_{correct}}}}{{{n_{total}}}}Accuracy=ntotalncorrect当负样本占99%时,分类器把所有样本都预测为负样本也可以获得99%的准确率。所以当不同类别的样本比例非常不均衡时,占比大的类别往往成为影响准确率的最主要因素。为了解决这个问题,可以使用更为有效地平均准确率(每个类别下的样本准确率的算术平均)作为模型评原创 2021-11-27 23:30:53 · 1678 阅读 · 0 评论 -
《百面机器学习》学习笔试之特征工程(第1章)
01、特征归一化(为什么需要对数值型的特征归一化?)对数值类型的特征归一化可以将所有的特征都统一到一个大致相同的数值区间内。方法:1)线性函数归一化(Min-Max scaling)Xnorm=X−XminXmax−Xmin{X_{norm}} = \frac{{X - {X_{\min }}}}{{{X_{\max }} - {X_{\min }}}}Xnorm=Xmax−XminX−Xmin2)零均值归一化(Z-score Normalization)z=x−μσz =原创 2021-11-16 00:30:43 · 735 阅读 · 0 评论