机器学习
菩提琉璃
这个作者很懒,什么都没留下…
展开
-
任务2 - 逻辑回归算法梳理
逻辑回归与线性回归的联系与区别联系:两者都是线性模型区别:逻辑回归主要用来分类,线性用来主要用来回归逻辑回归的原理sigmoid函数g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1逻辑回归损失函数推导及优化通过极大似然估计参考吴恩达老师的课程笔记正则化与模型评估指标L1正则化、L2正则化准确率、召回率逻辑回归的优缺点优点(...原创 2019-08-09 20:33:35 · 219 阅读 · 0 评论 -
任务1 - 线性回归算法梳理
机器学习的一些概念有监督数据集有标签,包括:分类、回归无监督数据集无标签,包括:聚类泛化能力数据迁移的能力过拟合、欠拟合(方差和偏差以及各自解决办法)含义偏差/方差解决办法欠拟合模型不能很好地拟合数据高偏差(high bias)使用更强的模型过拟合模型过度拟合数据,泛化能力不足高方差(high variance)正则化、dr...原创 2019-08-07 20:53:17 · 195 阅读 · 0 评论 -
任务3 - 决策树算法梳理
任务3 - 决策树算法梳理信息论基础(熵 联合熵 条件熵 信息增益 基尼不纯度)决策树简单的理解为if-then的集合,其优点主要有分类速度快、可读性等。决策树的生成主要可分为三个步骤:特征的选择、决策树的生成、决策树的剪枝。决策树的不同分类算法(ID3算法、C4.5、CART分类树)的原理及应用场景回归树原理决策树防止过拟合手段模型评估sklearn参数详解,Python绘制决策...原创 2019-08-11 20:52:11 · 172 阅读 · 0 评论