![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
集成学习
文章平均质量分 56
小米不害怕
这个作者很懒,什么都没留下…
展开
-
Ensemble Learning------基本的回归模型
Ensemble Learning----基本的回归模型上一次有点没说完。聚类是无监督学习的一种,比如我们常见的k-means算法,不给出因变量,对自变量的取值进行聚类。回归是监督学习的一种方法,包含的内容非常多,比较基础的是线性回归,当线性回归不能解决问题时将线性回归的每个变量增加次数,成为多项式回归,如果将每个变量变成多项式,就成为了广义可加模型(GAM)。另外决策树、SVM(支持向量机)都是回归问题的解决方法。from sklearn import datasetsboston=datase原创 2021-03-18 16:19:50 · 385 阅读 · 0 评论 -
Ensemble Learning----机器学习三大任务
机器学习的三个主要任务可以是——分类、聚类和回归。数据中含有自变量和因变量,每列数据成为一个特征,每个样本有p+1个维度,前p个维度称为样本的p个特征,也就是自变量,最后一个维度称为样本的因变量,根据数据是否有因变量,机器学习的任务可以分为:有监督学习和无监督学习。有监督学习:给定某些特征去估计因变量。如:我们使用房间面积,房屋所在地区,环境等级等因素去预测某个地区的房价。也就比如分类和回归问题。无监督学习:给定某些特征却不给定因变量。如:我 们给定某电商用户的基本信息和消费记录,通过观察数据中的哪些原创 2021-03-15 16:46:39 · 319 阅读 · 0 评论