![](https://img-blog.csdnimg.cn/20190918140012416.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习算法
文章平均质量分 88
机器学习的算法介绍以及实战笔记
Avasla
好好学习,天天向上。
展开
-
【机器学习】模型调参工具:Hyperopt 使用指南
Hyperopt帮助用户优化机器学习模型,提高性能。本文将介绍Hyperopt的基本算法、优缺点、使用步骤以及具体的代码案例。原创 2024-01-11 13:05:14 · 2359 阅读 · 0 评论 -
【机器学习】模型参数优化工具:Optuna使用分步指南(附XGB/LGBM调优代码)
Optuna是一个强大的开源工具,通过优雅的API设计和智能的搜索策略,可以显著提高调参的效率。本文将介绍Optuna的基本概念、使用方法以及与其他调参方式的对比。原创 2024-01-09 16:45:18 · 7370 阅读 · 5 评论 -
【机器学习】K近邻(K-Nearest Neighbor)算法入门指南
K近邻(K-Nearest Neighbor,简称KNN )算法是利用数据点之间的距离来进行预测的一种监督学习方法。在本文中将以最简单的图文方式、为初学者提供KNN算法的入门指南,原理介绍、应用场景、Python实现代码、使用KNN算法的优点和局限性。原创 2023-04-03 15:33:34 · 839 阅读 · 0 评论 -
【机器学习】集成学习投票法:投票回归器(VotingRegressor) & 投票分类器(VotingClassifier)
本文介绍 VotingRegressor 和VoteClassifier的工作原理,并使用鸢尾花和糖尿病数据集作为示例,分别展示如何使用投票分类器解决分类/回归任务。原创 2023-02-26 00:37:03 · 7180 阅读 · 6 评论 -
【机器学习】Sklearn 集成学习-投票分类器(VoteClassifier)
本文介绍 sklearn 中 VoteClassifier的工作原理,并使用鸢尾花数据集作为示例,展示如何通过投票分类器提高整体模型的表现。原创 2023-02-17 22:47:56 · 5747 阅读 · 0 评论 -
【机器学习】集成学习基础概念介绍
本文根据西瓜书总结了一些关键知识点,介绍了集成学习的原理、类型以及结合策略。原创 2023-02-17 22:14:49 · 650 阅读 · 0 评论 -
模型评估方法【附python代码】(信息准则:赤池信息量准则AIC、贝叶斯信息准则BIC)
主要介绍AIC、BIC的原理,对比其他模型评估方法和信息准则的不同,通过简单的线性回归例子展示AIC、BIC的计算。原创 2022-05-23 15:44:12 · 13921 阅读 · 3 评论 -
最小描述长度MDL(Minimum Description Length)及信息论介绍
介绍信息论的基本概念以及最小描述长度的原理概念。原创 2022-05-22 15:03:50 · 3443 阅读 · 0 评论 -
汽车价格预测回归分析模型
回归分析案例:使用python的sklearn库对汽车历史价格信息进行回归分析,包括数据预处理、特征相关性分析等步骤,最后利用lasso回归建立价格预测模型。原创 2020-12-21 18:08:10 · 8511 阅读 · 10 评论 -
贝叶斯算法(新闻分类任务)
建立新闻文章分类模型,使用TF-IDF和词袋模型构建特征,基于贝叶斯算法来完成分类任务。原创 2020-09-22 17:08:02 · 5612 阅读 · 14 评论 -
交叉验证方法汇总【附代码】(留一法、K折交叉验证、分层交叉验证、对抗验证、时间序列交叉验证)
交叉验证是什么?在模型建立中,通常有两个数据集:训练集(train)和测试集(test)。训练集用来训练模型;测试集是完全不参与训练的数据,仅仅用来观测测试效果的数据。一般情况下,训练的结果对于训练集的拟合程度通常还是挺好的,但是在测试集总的表现却可能不行。比如下面的例子:图一的模型是一条线型方程。 可以看到,所有的红点都不在蓝线上,所以导致了错误率很高,这是典型的不拟合的情况图二 的蓝线则更加贴近实际的红点,虽然没有完全重合,但是可以看出模型表示的关系是正确的。图三,所有点都在蓝线上,这时候原创 2020-08-24 13:45:20 · 82882 阅读 · 23 评论 -
降维算法-LDA线性判别分析实例
- 线性判别分析LDA的基本概念- 代码实例:第一部分使用python详细说明了LDA的计算过程; 第二部分记录了如何使用sklearn完成LDA。原创 2020-07-30 16:00:48 · 3834 阅读 · 2 评论 -
聚类算法DBSCAN笔记
DBSCAN的实例流程笔记。第一部分记录了算法的相关概念,第二部分用简单的例子说明如何用python实现DBSCAN算法。原创 2020-07-24 13:08:21 · 646 阅读 · 0 评论 -
聚类算法k-means(无监督学习)笔记
介绍了聚类算法k-means的实例过程及参数调优笔记。1部分为k-means的建模流程:先构造包含5个中心点的随机训练集数据,并画图展现样本分布情况,最后导入新数据测试;2部分介绍了几个常用参数和调优流程;3、4部分别为评估方法和算法存在的问题。原创 2020-07-22 11:33:12 · 2161 阅读 · 0 评论 -
XGBoost建模调参-保险赔偿预测模型
XGBoost实例笔记,内容为保险赔偿预测模型的建立流程,分为数据探索性分析和建模两大部分。第一部分,记录了解数据特征的各种常用方法手段,第二部分建模过车着重学习如何用XGboost进行建模和调参。原创 2020-07-22 10:07:39 · 3025 阅读 · 1 评论 -
PCA主成分分析实例及3D可视化(鸢尾花数据集)
PCA原理解释:PCA降维,即将高维数据降到低维。比如原本特征值有4个,经过PCA方法后,选取前两个最重要的特征,将特征值降到2个。项目解释:在鸢尾花数据集的基础上,使用numpy,pandas简单复盘了PCA降维的过程。PCA详细流程#工具包import numpy as npimport pandas as pd#导入数据df = pd.read_csv('iris.data')df.columns=['sepal_len', 'sepal_wid', 'petal_len', 'p原创 2020-07-20 16:01:44 · 11496 阅读 · 7 评论