机器学习-分类问题

已于 2023-10-25 15:14:48 修改
阅读量64 收藏
点赞数
分类专栏： 算法记录 文章标签： 机器学习 分类 人工智能
于 2021-06-30 00:00:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41115351/article/details/118345488
版权

特征工程

记录机器学习任务中可用的特征工程方法。

  1. EDA 观察特征分布规律
    绘图看分布 参考kaggle-titanic
  2. 添加 value_counts 特征，对每个特征建模输出结果，取均值
    simple
    simple_2
  • 数据集shuffle（todo）
weixin_41115351
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
机器学习 --- 多分类学习
weixin_44196785的博客
10-22 5525
在现实生活中，很多问题并非“非黑即白”的问题，而是可以分为多个不同的类别，这些问题可以视为多分类学习任务。 多分类学习任务可以基于二分类算法进行推广后解决。有些二分类算法可以直接推广用于解决多分类问题，但是在更多情形下需要基于一些基本策略来对二分类算法进行处理从而更有效的解决多分类问题。 最经典和最基础的拆分策略包括两种：“一对一”（One vs. One，简称OvO）和“一对其余”（“One vs. Rest”，简称OvR）。本实训项目主要介绍这两类多分类处理策 OvO多分类策略 import numpy
机器学习-分类-线性分类器
weixin_44020827的博客
12-15 7324
在一个机器学习任务中，如果每一条数据的目标值是离散的，则该任务是一个分类任务。 解决分类问题基本的方法有：线性分类器、决策树、朴素贝叶斯、人工神经网络、K近邻（KNN）、支持向量机（SVM）； 组合基本分类器的集成学习算法：随机森林、Adaboost、Xgboost等。 一、线性分类器 线性分类器=假设函数+损失函数，假设函数是原始图像数据到类别的映射； 使用线性分类器分类的问题可以转化为最优化问题：通过更新假设函数的参数值来最小化损失函数的值，从而找到最优解。 常用的线性分类器有：基本线性分类
1.机器学习-机器学习算法分类概述
weixin_50804299的博客
01-17 7945
监督学习是机器学习中最常用的一种重要方法，它利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。简单来说，监督学习就是从已有的标记数据中学习模型，然后利用这个模型对新的未知数据进行预测。 在监督学习中，每个样本都包含输入特征和对应的输出标签。 输入特征也称为特征向量，是一个可以描述样本特性的值； 输出标签通常是离散的类别标签或者连续的数值标签，用来表示样本所属的类别或者具有的属性。 通过训练，模型将学会从输入特征中预测出相应的输出标签。 监督学习的应用场景非常广泛，包括但不限于分类、回归、
机器学习-02-机器学习算法分类以及在各行各业的应用
IT从业者的成长历程
02-27 2061
本系列是机器学习课程的第02篇，主要介绍机器学习算法分类以及在各行各业的应用。
【机器学习-20】分类与预测算法评价的方式介绍
qq_38614074的博客
04-19 1万+
在机器学习中，分类算法的性能评价是至关重要的一环。不同的评价指标能够从不同角度反映算法的优劣，从而帮助我们更全面地理解算法的性能特点。以下将详细介绍几种常见的分类算法评价方式。
Python机器学习-多元分类的5种模型
wuxiaopengnihao1的博客
09-04 1万+
本文章向大家介绍Python机器学习-多元分类的5种模型，主要内容包括一、逻辑回归(Logistic Regression)、二、 支持向量机( 支持向量机，SVM）、三、决策树(Decision Tree)、四、随机森林(Random Forest)、五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)、基本概念、基础应用、原理机制和需要注意的事项等，并结合实例形式分析了其使用技巧，希望通过本文能帮助到大家理解应用这部分内容。
机器学习---sklearn
热门推荐
weixin_44838881的博客
05-21 4万+
1.Sklearn简介 sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具,Sklea是处理机器学习 (有监督学习和无监督学习) 的包。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，其主要集成了数据预处理、数据特征选择，sklearn有六个任务模块和一个数据引入模块： 有监督学习的分类任务 有监督学习的回归任务 无监督学习的聚类任务 无监督学习的降维任务 数据预处理任务 模型选择任务 数据引入 具体流程如下： 下载 skl.
机器学习-随机森林-分类
weixin_43213268的博客
04-13 1万+
一、机器学习之随机森林 1.1 集成算法概述 集成学习（ensemble learning）是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果。基本上所有的机器学习领域都可以看到集成学习的身影，在现实中集成学习也有相当大的作用，它可以用来做市场营销模拟的建模，统计客户来源，保留和流失，也可用来预测疾病的风险和病患者的易感性。在现在的...
机器学习笔记--2.1文本分类
slcod的博客
01-20 3661
从分类算法层面来看，各类语言的文本分类技术大同小异，但从整个流程来考察，不同语言的文本处理所用到的技术还是有差别的。下面给出中文语言的文本分类技术和流程，主要包括以下几个步骤： （1）预处理：去除文本的噪声信息，例如HTML标签、文本格式转换、检测句子边界等。 （2）中文分词：使用中文分词器为文本分词，并去除停用词。 （3）构建词向量空间：统计文本词频，生成文本的词向量空间。 （4）权重策略——TF-IDF方法：使用TF-IDF发现特征词，并抽取为反映文档主题的特征。 （5）分类器：使用算法训练分
机器学习-SVM分类源码
12-03
借助OPENCV,使用机器学习方法，实现手写字分类识别；提供图片，及所有源码，opencv版本3.3.0
机器学习-图片分类标记程序
06-17
机器学习-智能研究-人工智能-程序功能，图片识别，图标标记，图片分类
人工智能-机器学习-决策树-决策树分类（ID3，C4.5，CART）
07-09
决策树分类（ID3，C4.5，CART） 三种算法的区别如下： (1) ID3算法以信息增益为准则来进行选择划分属性，选择信息增益最大的； (2) C4.5算法先从候选划分属性中找出信息增益高于平均水平的属性，再从中选择增益率...
人工智能与机器学习原理精解【7】
基础数学与应用数学
07-25 1018
数学优化（Mathematical Optimization），也称为最优化问题，是一个广泛应用的数学领域，旨在解决在一定约束条件下寻找目标函数的最优值（最大值或最小值）的问题。数学优化问题的定义为：给定一个目标函数（也称为代价函数）fA→R，寻找一个变量（也称为参数）x∗∈D，使得对于所有D中的x，都有fx∗≤fx（最小化问题）或fx∗≥fx（最大化问题）。其中，D是变量x的约束集，也称为可行域；D中的变量被称为可行解。
机器学习笔记-02-基础线性算法认识（问题-解答自查版）
最新发布
一枚菜菜子的充电站
07-25 916
以下问题以Q&A形式记录，基本上都是笔者在初学一轮后，掌握不牢或者频繁忘记的点Q&A的形式有助于学习过程中时刻关注自己的输入与输出关系，也适合做查漏补缺和复盘。本文可以让读者用作自查，答案在后面，需要时自行对照。Q1：奥卡姆剃刀原理？Q2：KNN的思想？欠拟合和过拟合在KNN中的体现？Q3：这里尝试把for输出的数经过distance计算，存储到一个数组里面去distance = np.sqrt( (i-data_new)[0] ** 2 + (i-data_new)[1] ** 2 ) for i i
机器学习 | 回归算法原理——多重回归
ttrr27的博客
07-25 791
Hi，大家好，我是半亩花海。接着上次的多项式回归继续更新《白话机器学习的数学》这本书的学习笔记，在此分享多重回归这一回归算法原理。本章的回归算法原理基于《基于广告费预测点击量》项目，欢迎大家交流学习！
IF=8.5 MIMIC-IV高阶玩法！中国用新指标SHR+机器学习拿一区top，思路太牛了
weixin_47988917的博客
07-24 750
‍MIMIC-IV 发文难？那是你还没遇到对的思路！如今机器学习+数据库挖掘的文章层出不穷，今天介绍的这篇文章是在MIMIC-IV数据库的基础上，用了一个新指标—应激性高血糖比（SHR），结合机器学习构建预测模型，拿下一区8分+！2024年5月9日，暨南大学的学者用MIMIC-IV 数据库，在期刊《Cardiovascular Diabetology》（医学一区top，IF=8.5）发表题为：“A...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值