![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML
风吴痕
这个作者很懒,什么都没留下…
展开
-
08.模型集成
机器学习实战教程(十):提升分类器性能利器-AdaBoost模型融合方法总结机器学习模型优化之模型融合xgboostlightgbm文章目录集成方法Bagging集成方法将不同的分类器组合起来,而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-algorithm)。集成方法主要包括Bagging和Boosting两种方法,Bagging和Bo...翻译 2020-01-15 15:45:21 · 245 阅读 · 0 评论 -
07.逻辑回归(二分类)
文章目录理论推导实例iris分类titanic分类理论推导参考:回归(二):Logistic回归实例iris分类"""Author:wucngTime: 20200114Summary: 逻辑回归对iris数据分类源代码: https://github.com/wucng/MLAndDL参考:https://www.jianshu.com/p/ba60f232e9da"""...原创 2020-01-14 15:51:16 · 297 阅读 · 0 评论 -
06.线性回归
回归(一):线性回归理论推导通常对于一组特征数据和其标记值:(x1,y1),(x2,y2),...,(xn,yn)(x_1, y_1), (x_2, y_2), ..., (x_n, y_n)(x1,y1),(x2,y2),...,(xn,yn),在使用特征值xix_ixi对yiy_iyi进行预测时,根据习惯,如果yiy_iyi是连续的,则称这种操作或...原创 2020-01-14 13:56:33 · 235 阅读 · 0 评论 -
05.决策树分类
参考:机器学习实战教程(二):决策树基础篇之让我们从相亲说起文章目录1.决策树2.香农熵3.信息增益1.决策树如下图所示的流程图就是一个决策树,长方形代表判断模块(decision block)某维特征,椭圆形成代表终止模块(terminating block)得到的标签,表示已经得出结论,可以终止运行。决策树由结点(node)和有向边(directed edge)组成。结点有两种...原创 2020-01-13 16:21:05 · 828 阅读 · 0 评论 -
04.朴素贝叶斯分类
参考:机器学习实战教程机器学习实战教程(四):朴素贝叶斯基础篇之言论过滤器文章目录1.条件概率2.全概率公式3.贝叶斯推断4.朴素贝叶斯推断5.实践1.条件概率在学习计算p1 和p2概率之前,我们需要了解什么是条件概率(Conditional probability),就是指在事件B发生的情况下,事件A发生的概率,用P(A|B)来表示。根据上图,可以很清楚地看到在事件B发生的情...原创 2020-01-10 15:50:28 · 339 阅读 · 0 评论 -
03.PCA主成分分析
参考:讲一下numpy的矩阵特征值分解与奇异值分解主成分分析(PCA)原理详解源代码: https://github.com/wucng/MLAndDL文章目录1.特征值分解2.SVD(奇异值)分解3.PCA算法1.特征值分解(1) 特征值与特征向量如果一个向量vvv是矩阵AAA的特征向量,将一定可以表示成下面的形式:Av=λvAv=\lambda vAv=λv其中,λλλ...原创 2020-01-09 16:08:39 · 262 阅读 · 0 评论 -
02.KMean分类(训练数据有标签)
源代码文章目录1、Kmean算法分类原理2、实践KMean分类(样本有标签)KMean聚类(样本无标签)1、Kmean算法分类原理Kmean算法可以对无标签的样本做聚类(按特征空间分布)1、假设样本聚为3族类,随机选择3个点(随机从样本空间选择3个样本点作为聚类中心)2、计算所有样本点到这3个聚类中心的距离,根据距离大小划分属于哪个聚类3、根据得到的聚类重新计算聚类中心...原创 2020-01-08 17:36:12 · 5616 阅读 · 0 评论 -
01.k-近邻算法(KNN)
参考:机器学习实战教程机器学习实战书籍下载 - - 密码:qi7qk-近邻算法公式编辑器drawio画流程图百度思维导图纸上得来终觉浅,绝知此事要躬行文章目录1.算法理论2.实践1.算法理论k-近邻算法 是一种特征搜索的方法(相似性搜索):1、准备训练集D={(x1,y1),(x2,y2),(x3,y3),...(xn,yn)}D=\{(x_1,y_1),(x...原创 2020-01-08 14:17:52 · 230 阅读 · 0 评论