机器学习算法基础
文章平均质量分 94
WslWslYYX
这个作者很懒,什么都没留下…
展开
-
机器学习算法基础--线性回归,最小二乘法,梯度下降,逻辑斯特回归,k-means
机器学习算法基础--第四天线性回归线性关系模型损失函数(误差大小)最小二乘法梯度下降与正规方程对比线性回归评价机制--均方误差过拟合与欠拟合过拟合解决方法之正则化L2正则化sklearn--模型的保存与加载分类算法--逻辑斯特回归对数似然损失--逻辑回归均方误差vs对数似然损失线性回归定义:线性回归通过一个或者多个自变量与因变量之间进行建模的回归分析。其中可以为一个或多个自变量之间的线性组合(线性回归的一种)线性关系模型一个通过属性的线性组合来进行预测的函数:– f(x)=w1x1+w2x2原创 2021-10-16 00:05:17 · 314 阅读 · 0 评论 -
机器学习算法基础--朴素贝叶斯,评判标准,交叉验证与网格搜索,决策树,随机森林
机器学习算法基础--第三天朴素贝叶斯算法原理精确率和召回率朴素贝叶斯算法原理前话:要了解朴素贝叶斯,首先得了解贝叶斯原理:贝叶斯视频连接:贝叶斯贝叶斯公式:P(A∣B)=P(A)∗P(B∣A)P(B)P(A|B)=\frac{P(A)*P(B|A)}{P(B)}P(A∣B)=P(B)P(A)∗P(B∣A)而朴素贝叶斯,则是假定特征值之间相互独立的情况下题目:根据朴素贝叶斯可求得:P(科技∣影院,支付宝,云计算)=P(影院,支付宝,云计算∣科技)∗P(科技)P(科技|影院,支付宝,云计算原创 2021-10-15 00:22:36 · 528 阅读 · 0 评论 -
机器学习算法基础--特征选择,主成分分析,sklearn数据集,KNN
机器学习算法基础--第二天数据降维特征选择VarianceThreshold(threshold=0.0)主成分分析机器学习算法分类机器学习开发流程sklearn数据集sk-learn数据集API介绍获取数据集返回的类型估计器k-近邻算法(KNN)--分类算法数据降维定义:减少特征数量数据降维分为两种:特征选择:单纯地从提取到的所有特征中选择部分特征作为训练集特征,特征在选择前和选择后可以改变值,也可以不改变值,但是选择后的特征维数肯定比选择前小主成分分析特征选择主要方法:1.Filt原创 2021-10-14 00:21:07 · 394 阅读 · 1 评论 -
机器学习算法基础--基础概念,特征抽取,归一化,标准化,sklearn缺失值处理
机器学习算法基础--第一天机器学习基础概念机器学习基础概念机器学习:从数据中自动分析获得规律(模型),并利用规律对未知数据进行预测数据集:数据集的数据结构组成:特征值+目标值可用数据集:1.Kaggle特点:(1).大数据竞赛平台(2).真实数据(3).数据量巨大2.scikit-learn特点:(1).数据量较小(2).方便学习3.UCI(1).收录了360个数据集(2).覆盖科学,生活,经济等领域(3).数据量几十万数据处理工具1.pandas:一个数据读原创 2021-10-12 22:42:03 · 157 阅读 · 0 评论