![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础知识
6丁一的猫
为时未晚
展开
-
机器学习基础知识(二)
1 高斯分布对于⼀元实值变量x,⾼斯分布被定义为: 它由两个参数控制:µ,被叫做均值(mean),以及σ2,被叫做方(variance)。⽅差的平⽅根,由σ给定,被叫做标准差(standard deviation)。⽅差的倒数,记作β =1/σ2,被叫做精度(precision)。我们稍后将看到这些项的意义。高斯分布的图像如下: 很容易证明⾼斯分布是归⼀化的,因此: 我们已经能够找到关于x的函原创 2016-12-13 17:28:38 · 1092 阅读 · 0 评论 -
机器学习基础知识(一)
概率论加和规则: 乘积规则: 即: 根据乘积规则,以及对称性p(X,Y ) = p(Y,X),我们⽴即得到了下⾯的两个条件概率之间的关系:p(Y | X) =p(X | Y )p(Y )/p(X)这被称为贝叶斯定理(Bayes’ theorem),在模式识别和机器学习领域扮演者中⼼⾓⾊。使⽤加和规则,贝叶斯定理中的分母可以⽤出现在分⼦中的项表示:p(X) =∑Yp(X | Y )p(Y )以不原创 2016-12-09 16:01:57 · 606 阅读 · 0 评论 -
SVM需要调的参数
svm肯定需要调参~,对结果影响也很大。SVC参数解释 (1)C: 目标函数的惩罚系数C,用来平衡分类间隔margin和错分样本的,default C = 1.0; (2)kernel:参数选择有RBF, Linear, Poly, Sigmoid, 默认的是”RBF”; (3)degree:if you choose ‘Poly’ in param 2, this is effecti原创 2017-04-04 15:11:43 · 13474 阅读 · 0 评论 -
XGBoost介绍
XGBoost介绍文章目录XGBoost介绍一.决策树二.信息增益和信息增益比三.剪枝四.CART算法回归树分类树CART 剪枝五.前向分步算法提升树模型梯度提升树模型六.XGBoost算法一.决策树 If-Else规则的集合,将样本递归地划分到对应的子空间,实现样本的分类。二.信息增益和信息增益比熵:H(X)=−∑i=1npilogpiH(X)=-\sum_{i=1}^np...原创 2019-05-06 15:21:26 · 382 阅读 · 0 评论