![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
youtaidudewamao
这个作者很懒,什么都没留下…
展开
-
SVM(支持向量机)的工作原理
关于机器学习和SVM: 机器学习主要使用归纳、综合而不是演绎。机器学习有三个研究方向:一是学习机理的研究;二是学习方法的研究;三是面向任务的研究; 最基本的三类机器学习问题是模式识别、函数逼近和概率密度问题。目前的需求是:(1)发现海量数据中的规律,特别是那些非结构化数据;(2)如何对个性化需求进行处理和分析; SVM建立在统计学基础上,通过实现经验风险最小化以期在有限信息的条件下得到最好的结果。...原创 2020-04-29 20:14:24 · 664 阅读 · 0 评论 -
sklearn.metrics中的评价方法 precision_score,recall_score,F分数(f1_score,f_beta)和accuracy_score
二分类问题常用的评估指标是精度(precision),召回率(recall),F1值(F1-score) 评估指标的原理: 通常以关注的类为正类,其他类为负类,分类器在测试数据上预测正确或不正确,结合正负类,4种情况出现的可能为: 将正类预测为正类(true positive)——用tp表示 将正类预测为负类(false negative)——用fn表示 将负类预测为正类(true positiv...原创 2020-04-17 12:24:29 · 6991 阅读 · 1 评论 -
sklearn.svm.SVC中decision_function_shape问题
svm支持向量机设计二分类问题,当遇到多分类问题时需要构造多类分类器,主要有两种方法:一种是直接法,直接在目标函数上进行修改,一般计算相对复杂;另一类是间接法,通过组合多个二分类器来实现,常见方法有one-versus-one(一对一),one-versus-all(一对多)。 1.one-versus-one(简称ovo):在任意两类样本之间设计一个svm,n个样本类别就需要n(n-1)/2个s...原创 2020-04-16 17:20:18 · 2427 阅读 · 0 评论 -
Anaconda上安装XGBoost
按照网上的经验分两个步骤安装: 1.anaconda search -t conda xgboost 2.conda install -c anaconda py-xgboost 但是出现报错: 按网上的说法,找到anaconda prompt右键用管理员身份运行,再装一遍,还是出现报错: ...原创 2020-04-06 19:01:15 · 439 阅读 · 0 评论 -
决策树、随机森林之四,关于提升(一)
关于提升 之前,关于随机森林的做法是:通过有放回的重采样生成出若干颗决策树,从中取一个平均得到总的森林,这个random实际是对这m颗树取平均得到的,它没有哪棵树更重要,哪颗树不重要这种说法。 那么能不能换一种思路,给出这些树的权值,比如,并不是简单的取平均,把这样一种方式叫做提升。用图来说明: ...原创 2020-04-03 13:44:25 · 261 阅读 · 1 评论 -
DecisionTreeClassifier和DecisionTreeRegressor参数对比
DecisionTreeClassifier和DecisionTreeRegressor参数对比原创 2020-03-22 12:53:40 · 1002 阅读 · 0 评论 -
机器学习之决策树、随机森林(三)代码实现
机器学习之决策树、随机森林(三)代码实现 为便于自己理解,本篇用来记录实践决策树、随机森林用到的一些常用函数和技巧。 1.DecisionTreeClassifier 决策树是一种监督学习算法,主要用于分类,也可用于回归。sklearn.tree.DecisionTreeClassifier 可用于决策树分类问题。 DecisionTreeClassifier 参数: class sklearn....原创 2020-03-18 22:21:20 · 355 阅读 · 0 评论