![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
GPlearndunk
跟程序员抢饭吃的机械小硕
展开
-
机器学习初探(一)简单的线性回归
机器学习初探(一)简单的线性回归今天开一个新系列——机器学习初探,记录一下《Python与机器学习实战》的学习笔记。今天是第一章python与机器学习入门。什么是机器学习简单来说,在统计理论下机器学习就是追求合理的假设空间的选取和模型的泛化,可以说是计算机使用输入给它的数据,利用人类赋予它的算法得到某种模型的过程,其最终目的则是使用该模型,预测未来未知数据。####第一个机器学习样例现有...原创 2019-05-30 16:33:04 · 223 阅读 · 0 评论 -
机器学习初探(二)贝叶斯分类器
机器学习初探(二)贝叶斯分类器今天来学习一下贝叶斯分类器。谈到贝叶斯分类器就不得不提到贝叶斯学派与频率学派,关于两者一个直观的解释是:频率学派强调频率的“自然属性”,认为应该使用事件在重复实验中发生的频率作为其发生的概率的估计。贝叶斯学派不强调事件的“客观随机性”,认为仅仅是“观察者”不知道事件的结果。换句话说,贝叶斯学派认为:事件之所以有随机性仅仅是因为“观察者”的知识不完备,对于“知情...原创 2019-06-02 13:12:58 · 273 阅读 · 0 评论 -
机器学习初探(四)集成学习
机器学习初探(四)集成学习“集成”的思想众擎易举集成学习基于这样的思想:对于比较复杂的任务,综合许多人的意见来进行决策会比“一家独大”要更好。换句话说,就是通过适当的方式集成许多“个体模型”得到的最终模型要比单独的“个体模型”的性能更优。可以通过下图来直观感知这个过程。此时,问题的关键转化为两点:如何选择、生成弱分类器和如何对他们进行提升(集成)。针对以上问题,有三种思路:(1)将...原创 2019-06-14 15:36:51 · 246 阅读 · 0 评论 -
机器学习初探(三)决策树
机器学习初探(三)决策树在开始介绍决策树的基本算法之前,首先要了解一下决策树算法中的所使用到的损失函数。决策树中度量不确定性的度量标准几乎所有的决策树算法的思想都是一样的:不断地对数据集进行划分,而决定如何划分的标准是使得数据的“不确定性”减小的越多越好,就意味着该划分能够获得越多信息。接下来介绍一下常用的两种度量标准:1.信息熵公式:H(y)=−∑k=1KpklogpkH\left (...原创 2019-06-04 21:15:40 · 218 阅读 · 0 评论