机器学习
文章平均质量分 73
昆仑-郑教主
这个作者很懒,什么都没留下…
展开
-
决策树(Decision Tree)
1.决策树模型:决策树定义:分类决策树模型是一种描述对实例进行分类的树形结构;组成部分:a.结点; 结点分为两种类型:内结点、叶结点;内部结点表示一个特征或者属性; 叶结点表示一个类。 b.有向边用决策树进行分类,首先从根节点开始(根节点为实例的某一特征),并对其进行测试,根据测试结果,将实例分配到其子结点(子节点对应着该特征的一个取值);使用递归原创 2017-09-05 13:31:43 · 1014 阅读 · 0 评论 -
对数线性模型(Logistic回归算法)
1.Logistic分布:logistic分布定义:设X是连续随机变量,X服从logistic分布,即为X具有下列分布函数和密度函数: 其中,mu为位置参数,r>0为形状参数;logistic分布的分布函数F(x)的图形与密度函数f(x)的图形如下所示: 分布函数密度函数分布函数的图形是一条S形曲线,该曲线是以(mu,1/2)为中心对称,在曲线中心原创 2017-09-07 19:42:37 · 14733 阅读 · 0 评论 -
机器学习-损失函数汇总
在统计学习中,当有了模型的假设空间,则需要考虑通过什么样的准则学习或选择最优的模型,然而需要引入损失函数与风险函数的概念。 损失函数是度量模型一次预测的好坏; 风险函数是度量平均意义下模型预测的好坏;0-1损失函数:使用0-1损失函数时,实质就是通过比较预测值与真实值的符合是否相同;log对数损失函数(logistic回归)log损失函数的标准形式:原创 2017-09-11 20:36:41 · 2018 阅读 · 0 评论