机器学习笔记

最新推荐文章于 2021-04-12 17:30:00 发布
最新推荐文章于 2021-04-12 17:30:00 发布
阅读量107 收藏
点赞数
分类专栏： 机器学习
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_43117447/article/details/93614596
版权

1.线性分类器与非线性分类器的区别以及优劣
如果模型是参数的线性函数，并且存在线性分类面，那么就是线性分类器，否则不是。
常见的线性分类器有：LR,贝叶斯分类，单层感知机、线性回归
常见的非线性分类器：决策树、RF、GBDT、多层感知机
SVM两种都有(看线性核还是高斯核)
线性分类器速度快、编程方便，但是可能拟合效果不会很好
非线性分类器编程复杂，但是效果拟合能力强

急着吃饭的李先生
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人工智能在牙科医疗领域是一片蓝海
喜欢打酱油的老鸟
10-13 1673
在过去的二十年里，世界在技术上取得了巨大的进步，并影响了人类生活的许多方面。牙科健康也得益于技术进步。智能牙刷、虚拟现实、激光技术和3D打印从根本上改变了牙科领域的面貌。 牙科的下一个大课题是人工智能在诊断和治疗中的应用。 人工智能目前在牙科中的应用 在牙科中，人工智能有着广泛的应用。例如，它用于语音命令，如DEXvoice。 由Simplifeye和DEXIS创建的DEXvoice是牙医的"Alexa"。DEXvoice可以提取x光片、病人记录和图表。DEXvoice解决方案创造了一种"免提"
李宏毅 || 机器学习笔记一
JiduoW的博客
07-25 4279
李宏毅机器学习2021/2022年学习笔记
机器学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 12万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
2022吴恩达机器学习笔记汇总(共10章节).zip
最新发布
12-27
2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip...
机器学习笔记1
08-03
机器学习笔记1 机器学习是人工智能的一个子领域，涉及到计算机科学、数学、统计学、工程学等多个领域。机器学习的主要目标是使计算机系统能够自动地从经验中学习和改进其性能。 1. 什么是机器学习？ 机器学习是指...
KNN复杂度分析及KD树
我们的征途是星辰大海
09-27 8212
复杂度一般分为两种，时间复杂度和空间复杂度。这里的时间复杂度指的是程序运行时花费的时间，空间复杂度指的是内存消耗的大 小。 KNN在搜索阶段的时间复杂度是多少？ 我们都知道KNN在训练阶段不参与任何实质性的模型训练，但在测试阶段需要跟每一个样本做距离的计算。数据量少的时候倒没有关系，但一旦数据量很大时就成为一个瓶颈。 假如有N个样本，而且每个样本的特征为D维的向量。那对于一个目标样本的预测，需要的...
逻辑回归的目标函数
我们的征途是星辰大海
09-30 3651
任何一个分类问题其实都可以使用逻辑回归来解决。至少，逻辑回归是一个非常靠谱的基准(Baseline)。 **在设计模型阶段我们首先试图通过简单的方法来快速得到答案，这种方法所提供的结果可以认为是基准。**之后在这个基准的前提下，再通过一些优化手段来不断提升系统的性能。 ...
模型的泛化能力、过拟合以及正则
我们的征途是星辰大海
10-02 1467
为了构建一个泛化能力很强的模型，我们需要做几项关键的事情： 选择正确的数据 选择合理的模型 选择合适的优化算法 避免模型的过拟合 第一、需要正确的数据。我们不能期待使用一个错误的数据来构建一个泛化能力强的模型。比如数据里包含了大量的噪声，这很难让我们训练出有效模型出来。 第二、需要选择合适的模型。比如图像识别，我们都知道CNN是最合适的模型； 对于构建评分卡，可能集成模型是比较合适的。这里没有...
网格搜索与贝叶斯优化
我们的征途是星辰大海
10-09 1444
对于超参数的搜索，最常用的方法叫作网格搜索 (Grid Search)，就是在可选的空间里，把每一种可能性逐一去尝试，也是工业界里最常用的方法。
Tushare简介
我们的征途是星辰大海
10-17 673
量化投资，也就是通过数量化的方式和模型去做投资决策。量化投资是一个很庞大的领域，从量化投资开始至今，衍生出了大量的投资理念和策略。 纵观国内外量化投资现状，国内其实刚刚起步，还有很长的路要走，这里包括数据的完整性、透明性等。 国内目前散户(个人投资者)很多，但比如像美国这些欧美国家，绝大部分是以机构投资者为主的，而且他们很多都在使用量化投资技术。 ...
缺失值处理及特征编码
我们的征途是星辰大海
09-24 619
1 缺失值处理 删除法: 相应的属性全部删掉 删除相应的记录 填补法: 对于数值型(real-valued)变量，我们经常使用平均法则，就是用平均值来填补缺失值。 2 特征编码 机器学习项目的核心是建模，它的基础是数据。而且，它的输入一定是数值类型的，所以我们不能把一个字符串直接作为一个模型的输入，需要把字符串转换成数值类型，比如向量或矩阵形式。 标签编码 标签编码有一个不好的地方: 如果我...
聚类算法的评估方法
我们的征途是星辰大海
09-17 550
聚类算法的评估方法
多元线性回归模型
我们的征途是星辰大海
09-27 535
diamonds = pd.read_table("./diamonds.csv",sep=",") diamonds.head() 上面的表格里提供了一份数据。它的目的是通过砖石的各个特性来预测其价格。我们尝试着使用多元线性回归来拟合这份数据。 ...
文本预处理技术
我们的征途是星辰大海
10-14 534
在本节我将搭建一个情感分析系统,它是文本领域最为经典的项目之一，在各行各业中有着广泛的应用。具体的源代码将放在我的项目实战专栏。 情感分析问题本身是，给定一个文本并输出它的情感值，情感值无非是正面、负面或者中性。 我们希望通过使用一种算法去识别一个文本的情感，这个问题本身属于文本分类问题。 如果只是正面或者负面，就是二分类问题；但如果是正面、负面和中性，则是三分类问题。 情感分析的场景非常多: 量...
精确率、准确率、召回率与F1-Score
我们的征途是星辰大海
10-07 482
TP: Ture Positive 把正的判断为正的数目 True Positive,判断正确，且判为了正，即正的预测为正的。 FN: False Negative 把正的错判为负的数目 False Negative,判断错误，且判为了负，即把正的判为了负的 FP: False Positive 把负的错判为正的数目 False Positive, 判断错误，且判为了正，即把负的判为了正的 TN:...
RFM模型与用户分层
我们的征途是星辰大海
09-17 482
RFM模型与用户分层
吴恩达Coursera机器学习笔记全集：从入门到进阶
"Coursera机器学习笔记包含了吴恩达教授在Coursera平台上的机器学习课程的完整笔记，从监督学习与无监督学习的基本概念，到各种机器学习算法的详细讲解，包括线性回归、逻辑回归、正则化、神经网络、支持向量机、非...
评论
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