- 博客(5)
- 收藏
- 关注
RSS订阅原创 快速弄懂机器学习里的集成算法：原理、框架与实战（一）
1.关于集成学习算法集成学习算法，通俗地讲就是：三个臭皮匠，顶个诸葛亮，这在很多地方都有人提过。举个例子，比如你想第一本书，但是你不知道这本书怎么样，值不值得读，那么你可以通过打听，听取周围人的意见，得到对该书的一个基本评价，这是一种评价方式。你还可以通过京东、当当等电商网站上买书的人对该书的相关评论，得到一些意见，还有就是，你也可以通过豆瓣上对该书的评价，来获取相关信息。这都是一些对该书评价...
2018-11-28 16:25:24
651
原创 快速弄懂机器学习里的集成算法：原理、框架与实战（二）
（3）学习法上述两种方法都是对弱学习器的结果做平均或者投票，相对比较简单，但是可能学习误差较大，于是就有了学习法这种方法。对于学习法，代表方法是stacking，当使用堆叠stacking的结合策略时， 我们不是对弱学习器的结果做简单的逻辑处理，而是再加上一层学习器，也就是说，我们将训练集弱学习器的学习结果作为输入，将训练集的输出作为输出，重新训练一个学习器来得到最终结果。如下图，就是一个简单...
2018-11-28 16:24:03
306
原创 Python机器学习随笔之K-Means聚类的实现
1.K-Means聚类原理K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。其基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。算法大致流程为：（1）随机选取k个点作为种子点(这k个点不一定属于数...
2018-10-29 14:56:20
347
原创 机器学习中的特征选择及其Python举例
1.关于特征选择简单来说，特征选择就是在你使用机器学习算法之前，通过相关处理来选择与你的预测变量或者输出结果，最有用或最相关的那些特征。它是特征工程的一部分，在机器学习中，我们通常会面临非常多的特征变量，几十个甚至上百个。对于这些特征，一方面全部纳入机器学习算法中会导致计算机开销很大，影响训练效率，另一方面，部分特征并不与预测变量有太大相关，纳入算法中反而会降低模型的准确性，特别是在线性回归、逻...
2018-10-29 14:52:01
1317
原创 在Python-dataframe中如何把出生日期转化为年龄？
我们在做数据挖掘项目或大数据竞赛时，如果个体是人的时候，获得的数据中可能有出生日期的Series，举个简单例子，比如这样的一些数：# -*- coding: utf-8 -*-import pandas as pdimport numpy as npfrom pandas import Series, DataFrameimport matplotlib.pyplot as pl...
2018-08-29 10:45:57
14097
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人