数据分析算法
panddStephen
这个作者很懒,什么都没留下…
展开
-
SVM-2
1. SVM算法特性(优点): 1.1 训练好的模型的算法复杂度是由支持向量的个数决定的,而不是由数据的维度决定的。所以SVM不太容易产生overfitting 1.2 SVM训练出来的模型完全依赖于支持向量(Support Vectors), 即使训练集里面所有非支持向量的点都被去除,重复训练过程,结果仍然会得到完全一样的模型。 1.3 一个SVM如果训练得出的支持向量个数比较小,SVM训练出...原创 2019-08-18 17:40:04 · 165 阅读 · 0 评论 -
Neural Network
1. 背景: 1.1 以人脑中的神经网络为启发,历史上出现过很多不同版本 1.2 最著名的算法是1980年的 backpropagation 2. 多层向前神经网络(Multilayer Feed-Forward Neural Network)  ...原创 2019-08-19 15:30:12 · 150 阅读 · 0 评论 -
决策树-理论理解
机器学习中分类和预测算法的评估 准确率:例如分类达到的准确率是多少 速度:准确率高,但是算法复杂度高不高(时间快不块) 强壮行:当样本集数据与一些噪音的时候或者有一些值缺失的时候,算法表现的是不是很好。 可规模性:当一下算法在小的数据集中表现良好,但是当数据集成指数形式增长的时候,变成很大的数据集时,算法的表现如何,是否可规模化。 可解释性:当算法做出一些特征值的选择和归类的时候,我们是否能容易的...原创 2019-08-17 15:07:38 · 648 阅读 · 0 评论 -
SVM-1
1. 背景: 1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出,并在1995年发表 1.3 深度学习(2012)出现之前,SVM被认为机器学习中近十几年来最成功,表现最好的算法 2. 机器学习的一般框架: 训练集...原创 2019-08-18 11:27:42 · 168 阅读 · 0 评论