![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
传统机器学习
会占卜的AI工程师
真的会占卜,真的是搞算法的。
展开
-
目录-传统机器学习
简介 目录 经典机器学习 KNN 决策树 逻辑回归 SVM 概率模型 朴素贝叶斯 EM算法 HMM 最大熵模型 条件随机场 非监督学习 Kmeans DBscan 层次聚类 集成学习 RT adaboost GBDT xgboost lightGBM 链接 刘浩然博客 西瓜书 统计学习方法 周易学习与炼丹 ...原创 2019-01-18 11:50:49 · 166 阅读 · 0 评论 -
决策树模型
决策树模型 决策树是一种自上而下,对样本进行树形分类的过程,由结点和有向边组成。结点分为内部结点和叶结点,其中每个内部结点表示一个特征或属性,叶结点表示类别。从顶部根节点开始,所有样本聚在一起。经过根节点的划分,样本被分到不同的子结点中。再根据子结点的特征进一步划分,直至所有样本都被归到某一个类别(即叶结点)中。 ...转载 2019-01-18 15:00:03 · 307 阅读 · 0 评论 -
算法工程师面试总结
从年后回来,3月份就开始找工作,分别面试了去哪网、小米、360、同城艺龙、58同城、蚂蚁金服、滴滴、字节跳动、百度。从一个面试小白转为一个面霸。一开始有很多很好的机会因为没有好好准备错失良机,好在不抛弃不放弃的精神让我相信天生我才必有用的道理,还好坚持了下去。我经常说耐得住寂寞,坚持下去,一定有好结果,这次又应验了,收获了满意的offer。下面把一些被提问的次数较高的问题罗列一下,日后慢慢...原创 2019-04-20 17:27:35 · 895 阅读 · 0 评论 -
集成学习-Bagging 与 boosting
目录偏差(bias)和方差(variance):Bagging减少variance:Boosting:参考文章: 机器学习中的集成学习有两个重要的策略,即Bagging与Boosting。面试中常常会问:简单说一下bagging和boosting么?他们有什么区别(偏差与方差的关系)?他们两个哪个树的层数更多?为什么? 偏差(bias)和方差(variance): 为什么bagging是减少v...原创 2019-05-14 08:10:11 · 285 阅读 · 0 评论