机器学习&统计学基础
文章平均质量分 78
统计学习方法与机器学习 一点笔记
OR_0295
不卑不亢,落落大方
展开
-
# Logistics Regression
目录 一 logistics regression 1 一点介绍 2 评价 3 一点应用 4 代码流程 5 上代码!!! 一 logistics regression 1 一点介绍 逻辑回归是一个分类模型,其突出特点即 模型简单、可解释性强 2 评价 优点 实现简单,易于理解和实现,计算代价不高,速度很快,存储资源低 缺点 容易欠拟合,分类精度可能不高 3 一点应用 逻辑回归是现在很多分类算法的基础组件 比如分类任务中基于GBDT算法+LR逻辑回归...原创 2022-01-27 11:31:31 · 987 阅读 · 0 评论 -
# 机器学习脑图
原创 2022-01-26 10:59:12 · 375 阅读 · 0 评论 -
统计学习方法 -半监督学习
目录 一 引言 二 What is 半监督学习 三 半监督算法实战 1 自训练 2 自训练步骤 3 实现自训练 -准备阶段 4 改善自训练的实现 5 改良选择过程 四 对比悲观似然估计(CPLE) 一 引言 由于现实中,自带可用类标签的数据集少之又少,数据集中的标签不足,就无法构造出能精准预测验证集和测试集的标签的分类器 我们通常会想到手动给数据贴上标签,但这不仅耗时,还会产生一些特定的人工误差 于是半监督学习诞生了,它能够捕获潜在的...原创 2022-01-25 16:34:42 · 1246 阅读 · 0 评论 -
统计学习方法 -无监督学习(三)
3 自组织映射 目录 3 自组织映射 一 引言 二 关于自组织映射简单入门那些事 一 引言 自组织映射是一种基于拓扑表示法的数据降维技术 二 关于自组织映射简单入门那些事 自组织映射算法需要反复迭代一些简单的操作,在目标数据很小时,自组织映射与k均值聚类非常相似;在目标数据集较大时,自组织映射就会用一种强大的方式展现复杂数据集的拓扑结构 自组织映射是由许多节点构成的网络(一般是矩形或者六边形),每个节点都包含一个权重向量,该权重向量的维度与输入数据集相同,节...原创 2022-01-24 23:24:19 · 309 阅读 · 0 评论 -
统计学习方法 -无监督学习(二)
2 k 均值聚类 目录 2 k 均值聚类 一 引言 二 关于聚类分析简单入门那些事 三 Start 聚类分析 四 调参 一 引言 无监督机器学习算法通常用于从复杂的大数据集中提取关键的结构或者内容信息,这些算法对手动输入的要求很低或无要求,并且不需要训练数据(也就是说用一些列带标签的解释变量和影响变量来训练算法,以识别所需要的分类边界),这意味着无监督算法能够有效的生成新数据或陌生数据集的结构和内容信息,以便分析师在短时间内深入理解数据 二 关于聚类分析简单入门那些事 ...原创 2022-01-24 21:45:36 · 1245 阅读 · 0 评论 -
统计学习方法 -无监督学习(一)
1 主成分分析(PCA) -当今最广泛的降维技术 目录 1 主成分分析(PCA) -当今最广泛的降维技术 一 引言 二 PCA 步骤 1 协方差 2 特征向量 3 正交化 4 标准正交化 5 特征值 三 PCA 的应用 一 引言 为了有效处理高维数据,我们必须有一套技术将维度降至可处理水平,降维的优势包括 可以在二维空间对多维数据进行可视化、用最少的特征描述数据集所包含的信息,以及在某些情况下识别模型向量的共线性 在机器学习中,共线性是指模型特征共...原创 2022-01-24 15:08:17 · 219 阅读 · 0 评论 -
统计学习方法 -无监督学习概论
一 无监督学习概论 使用无标注数据 学习或训练,由特征向量组成 无监督学习的模型是函数 ,条件概率分布 假设训练数据集由N个样本组成,每个样本是一个M维向量。训练数据可以由一个矩阵表示,每一行对应一个特征,每一列对应一个样本 无监督学习的基本想法是对给定数据(矩阵数据)进行某种“压缩”,从而找到数 据的潜在结构。假定损失最小的压缩得到的结果就是最本质的结构 考虑发掘数据的纵向结构,把相似的样本聚到同类,即对数据进行聚类 考虑发掘数据的横向结构,把高维空间的向量转换为低维空间..原创 2022-01-23 22:44:44 · 992 阅读 · 0 评论 -
统计学习方法 -概论
目录 一 机器学习定义 二 机器学习的应用领域 三 机器学习的发展历程 四 机器学习新方向 五 机器学习与数据挖掘的关系 六 机器学习相关学术期刊和会议 1 机器学习 2 数据挖掘 3 人工智能 4 数据库 七 统计学习与机器学习 1 研究方法差异 2 维度差异 八 统计学习 1 对象 2 目的 九 统计学习方法 A 监督学习 1Instance 实例、feature vector 特征向量、feature space 特征空间 2 联合概率分布 3 假设空间 ..原创 2022-01-23 09:02:56 · 365 阅读 · 0 评论