机器学习
Loner...
这个作者很懒,什么都没留下…
展开
-
机器学习的模型评估
经验误差与过拟合误差:学习器的实际预测结果与样本的真是结果之间的差异。经验误差:指的是学习器在训练集上的误差。过拟合:学习器将训练集的样本特点当作所有潜在样本的都具有的一般性质,从而导致泛化性能下降。欠拟合:学习器对训练样本的一般性尚未学好。评估方法留出法:将数据集DDD直接划分为两个互斥的两个集合,一个作为训练集,一个作为测试集。在训练集上进行训练,在测试集上进行测试,将测试误...原创 2020-03-16 17:39:24 · 81 阅读 · 0 评论 -
【决策树】什么!他只用Numpy和List实现决策树
决策树学习本质上是从训练数据集中归纳出一组分类规则。从另一角度看,决策树学习由训练集估计条件概率模型。决策树的损失函数通常是正则化的极大似然函数。决策树学习的策略是以损失函数为目标函数的最小化。当损失函数确定之后,学习问题就变成了在损失函意义下选择最优决策树的问题。决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得对各个子数据集有一个最好的分类的过程。分...原创 2020-03-14 20:47:09 · 244 阅读 · 0 评论 -
只需一篇了解线性回归
回顾在介绍线性回归之前,我们来回顾一种函数:f(x)=ax+bf(x) = ax + bf(x)=ax+b其图像为:线性回归如果我们使用的数据是D={(xi,yi)}D = \{(x_i,y_i)\}D={(xi,yi)}, 那么线性回归就是使得我们的学习器学得f(xi)=wxi+bf(x_i) = wx_i + bf(xi)=wxi+b使得f(xi)≃yif(x_i)\si...原创 2020-03-05 15:25:44 · 172 阅读 · 0 评论