- 博客(4)
- 资源 (4)
- 收藏
- 关注
原创 Bagging和Boosting概念以及区别
Bagging和Boosting 概念及区别 Bagging和Boosting都是将已有的分类或回归算法通过一定方式组合起来,形成一个性能更加强大的分类器,更准确的说这是一种分类算法的组装方法。即将弱分类器组装成强分类器的方法。首先介绍Bootstraping,即自助法:它是一种有放回的抽样方法(可能抽到重复的样本)。1、Bagging (bootstrap aggregating)
2017-11-30 00:52:34 424
原创 Vim常用操作
在正常模式下(按ESC进入)按键v进入可视化模式,然后按键盘左右键或h,l键即可实现文本的选择。其它相关命令:v:按字符选择。经常使用的模式,所以亲自尝试一下它。V:按行选择。这在你想拷贝或者移动很多行的文本的时候特别有用。CTRL+v:按块选择。非常强大,只在很少的编辑器中才有这样的功能。你可以选择一个矩形块,并且在这个矩形里面的文本会被高亮。值得注意的是如果VI
2017-11-28 22:53:32 199
转载 随机森林
一、决策树决策树是机器学习最基本的模型,在不考虑其他复杂情况下,我们可以用一句话来描述决策树:如果得分大于等于60分,那么你及格了。这是一个最最简单的决策树的模型,我们把及格和没及格分别附上标签,及格(1),没及格(0),那么得到的决策树是这样的但是我们几乎不会让计算机做这么简单的工作,我们把情况变得复杂一点引用别的文章的一个例子这是一张女孩对于不同条件的男性是
2017-11-28 16:07:51 726 1
转载 统计学习方法——模型的选择与评估(过拟合、泛化能力)
这是一些机器学习中用到的比较基本的概念监督学习的目的是找到一个输入输出映射(模型),使得这个模型不仅对训练数据有很好的拟合能力,对于未知数据,它也有很好的预测能力。这篇博客介绍选择和评估模型的标准。本篇博客一共有以下几个重点:训练误差与测试误差、泛化能力、过拟合。训练误差与测试误差训练误差是模型关于训练集的平均损失来表示:其中为训练集中数据的个数;损失函数在
2017-11-28 16:01:35 1504 1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人