![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 74
Minsta
这个作者很懒,什么都没留下…
展开
-
来看看 random_state 这个参数
来看看 random_state 这个参数SVC(random_state=0)里有参数 random_statefrom imblearn.over_sampling import SMOTESMOTE(random_state=42) 里有参数 random_state上面一个是svd算法,一个是处理不平衡数据的smote算法,我都遇到了random_state这个参数,那么这个有趣的参数到原创 2017-05-11 16:40:46 · 52430 阅读 · 3 评论 -
数据归一化
数据归一化很多时候,如果不对数据进行归一化,会导致梯度下降复杂或是xgboost中的损失函数只能选择线性,导致模型效果不佳。下面我结合各类我看到的资料总结一下几种方式的归一化,并有python的实现。从经验上说,归一化是让不同维度之间的特征在数值上有一定比较性,可以大大提高分类器的准确性。如下有个形象的图解:如果不归一化,各维特征的跨度差距很大,目标函数就会是“扁”的:(图中椭圆表示目标函数的等高线原创 2017-05-02 17:26:45 · 3694 阅读 · 1 评论 -
(XGBoost)提升树入门介绍(Inrtoduction to Boosted Trees)
提升树入门介绍(Inrtoduction to Boosted Trees)Author : Jasper YangSchool : Bupt这是一篇翻译文,翻译的内容是 XGBoost 官网的原理介绍 Introduction to Boosted Trees 这篇文章。如需转载请注明。我自己在做实验中感觉遇到了瓶颈,我认为是我对这个模型的熟悉度太差,因而需要补一补知识,也希望能帮到大家。翻译 2017-04-23 15:31:53 · 3216 阅读 · 2 评论 -
【论文实现】一篇Sigkdd的弹幕分析论文的python实现【LDA 实践者】
【论文实现】一篇Sigkdd的弹幕分析论文的python实现 【LDA 实践者】Author : Jasper Yang School : Buptwarning : 此篇文章基于较为熟悉GibbsLDA++的源码的前提下阅读。论文link在开始之前,我想提前说明一下,这篇文章是我实现了基于用户喜好和评论的前后影响的改进LDA,因为实验室在做弹幕分析这方面的研究,就找到了这篇A类会议的文章,本来找原创 2017-05-02 13:11:56 · 1170 阅读 · 1 评论