机器学习入门篇
文章平均质量分 88
机器学习的入门教程
老饼讲解机器学习
这个作者很懒,什么都没留下…
展开
-
一个sklearn实现Adboost的简单Demo
《老饼讲解-机器学习》本文展示一个python的sklearn中实现Adboost的Demo,Adboost的原理请参考《Adboost原理》sklearn内部如何实现Adboost算法请参考《Adboost-自实现代码》代码简介代码展示一个利用python的sklearn实现Adboost的Demo,Demo先是随机生成一组二分类数据,然后调用Adboost包进行训练,最后展示预测结果和模型的相关参数。........................原创 2022-08-31 23:17:53 · 404 阅读 · 0 评论 -
老饼教你深入浅出理解-《牛顿法求极值》
牛顿法求极值是一种机器学习中常见的方法,由于它利用了二阶导信息,它的迭代速度比梯度下降法要更加快,但往往由于计算量较为复杂,它的使用往往没有梯度法广泛。本文介绍什么是牛顿法求极值,并给出相关理论思路与推导。原创 2022-08-23 14:39:38 · 755 阅读 · 0 评论 -
|●梯度下降是什么|●梯度下降算法原理|●梯度下降实例
《老饼讲解机器学习》本文讲解机器学习中最经典基础的梯度下降算法。原创 2022-05-12 10:06:25 · 2296 阅读 · 0 评论 -
朴素贝叶斯算法(初学者实例入门)
《老饼讲解机器学习》一、算法介绍朴素贝叶斯是基于贝叶斯后验概率建立的模型。它用于解决分类问题。它的主要思想是,通过历史数据,对每个类别建立经验概率公式,然后当新样本进来时,用各个类别的概率经验公式分别进行预测,最终,属于哪个类别的概率最大,就认为是哪个类别。注:为了简化,我们不一定用概率公式p(x),也可以使用它的简化版g(x)替代它。二、贝叶斯概率公式与判别函数模型的关键是如何用历史数据构建类别的概率公式,贝叶斯原理恰好可以解决这个问题。(一) 贝叶斯原理...原创 2022-05-11 10:28:04 · 4143 阅读 · 2 评论 -
入门篇:决策树学习建议(写给在学习中遇到困难的同学)
《老饼讲解机器学习》决策树的内容比较混杂,一条好的学习路线能起到事半功倍的作用。本文不涉及任何的决策树原理,主要给大家梳理学习路线和学习重心,以帮助后面更轻松的学习。原创 2022-05-10 23:33:38 · 632 阅读 · 0 评论 -
AUC与ROC曲线面积的意义(细扒sklearn的AUC计算方法)
本文我们详细介绍什么是AUC、ROC,和AUC的具体计算逻辑、实现代码,以及AUC的使用经验值。原创 2022-05-10 11:38:37 · 8583 阅读 · 4 评论 -
机器学习怎么入门-疑惑解答(2022持续更新)
《老饼讲解机器学习》本人收集和回答机器学习入门的一些疑惑,希望能帮助初学者解决一些方向性的问题。例如机器学习用什么软件,怎么找资料,学习路线,机器学习的核心问题,机器学习怎么学,机器学习有什么经典书藉,机器学习要学什么数学等。原创 2022-05-08 17:21:56 · 554 阅读 · 0 评论 -
入门篇(二)模型:逻辑回归(一步步从原理到实现)
本文介绍机器学习的第二个入门模型-逻辑回归,和利用梯度下降法求解逻辑回归,并展示具体的逻辑回归代码例子,是上手逻辑回归算法的入门文章,原创 2022-05-07 13:50:49 · 6592 阅读 · 0 评论 -
从《线性回归》学习模型三要素
本文介绍了机器学习的第一个入门模型-线性模型。以及用线性模型,引出了机器学习模型的基本要素原创 2022-05-07 13:05:43 · 877 阅读 · 0 评论 -
入门篇-机器学习概览
目录一、机器学习是做什么的二、机器学习的建模流程三、机器学习的核心问题四、个人学习重心一、机器学习是做什么的机器学习的主要任务是利用历史数据训练一个模型,在新样本进来时,可以用模型对新样本进行预测。二、机器学习的建模流程机器学习的主要流程分三部分:数据准备、模型训练和模型效果评估。个人的学习核心主要是模型的算法、原理。而实际项目中,80%的时间基本都聚焦在数据准备上,例如数据收集、清洗、变量衍生和变量分析等。学习与实际项目应用是二极分化、对立而原创 2022-05-07 12:48:58 · 568 阅读 · 0 评论