![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 89
zuolixiangfisher
有空一起钓鱼啊
展开
-
《机器学习知识体系》之基本概念篇
目录一、机器学习相关1、基本概念1.1 简述解决一个机器学习问题时,你的流程是怎样的?1.2 损失函数是什么,如何定义合理的损失函数?1.3 回归模型和分类模型常用损失函数有哪些?各有什么优缺点1.4 什么是结构误差和经验误差?训练模型的时候如何判断已经达到最优?1.5 模型的“泛化”能力是指?如何提升模型泛化能力?1.6 如何选择合适的模型评估指标?AUC、精准度、召回率、F1值都是什么?如何计算?有什么优缺点?1.7 什么是混淆矩阵?1.8 ROC曲线如何绘制?相比P-R曲线有什么特点?1.9 如何评判原创 2022-05-31 14:53:58 · 692 阅读 · 0 评论 -
百面机器学习第一章--特征工程
目录1、特征归一化1.1 为什么要对数值类型特征做归一化?2、类别型特征2.1 在对数据处理时,应该怎样处理类别型特征?3、高维组合特征的处理3.1 什么是组合特征?如何处理高维组合特征?4、组合特征4.1 怎样有效地找到组合特征?5、文本表示模型5.1 有哪些文本表示模型?各自有什么优缺点?6、Word2Vec6.1 Word2Vec是如何工作的?它与LDA有什么区别和联系?7、图像数据不足时的处理方法7.1 在图像分类任务中,训练数据不足会带来什么问题?如何缓解数据量不足带来的问题?1、特征归一化1原创 2021-03-14 21:36:20 · 205 阅读 · 0 评论 -
sklearn学习之LR算法实践
scikit-learn是python的一个机器学习算法集成模块,功能强大,包含了常见的逻辑回归,决策树,朴素贝叶斯,SVM等常见的机器学习算法。这里,用LR来做一下分类。import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import Stand...原创 2020-02-13 15:22:35 · 3413 阅读 · 0 评论 -
特征工程相关面试题以及参考答案
1、你是怎样理解“特征”?特征就是,于己而言,特征是某些突出性质的表现,于他而言,特征是区分事物的关键2、给定场景和问题,你如何设计特征?(特征工程方法论)基于人工经验的特征工程依然是目前的主流。3、开发特征时候做如何做数据探索,怎样选择有用的特征?数据描述方法:集中趋势分析、离中趋势分析、数据分布分析、图分析、数理统计方法:假设检验、方差分析、相关分析、回归分析、因子分析详细:ht...原创 2019-05-07 16:01:15 · 6773 阅读 · 0 评论 -
决策树从原理简述到面试详细总结
0、背景决策树是机器学习、数据挖掘领域一个非常常用的算法,网上相关的资料也是一大堆,原理很容易理解,但是要真正熟练运用和领悟还是需要花点功夫。本人近期有过一些面试,因此针对性地复习了一下,这里就总结一下决策树的一些原理和面试中遇到的相关问题。1、基础知识1.1 熵熵其实是物理里的一个概念,代表一个系统的混乱程度,在信息论里表示一个随机变量不确定性的度量,熵越大,不确定性越高。假设 XXX ...原创 2019-04-23 12:01:44 · 2004 阅读 · 2 评论 -
机器学习中常见的损失函数及其应用场景
一、对于分类问题二、对于回归问题原创 2019-03-19 11:15:49 · 7861 阅读 · 0 评论 -
机器学习中常见的标准化和归一化方法
1、标准化2、归一化https://www.jianshu.com/p/95a8f035c86c原创 2019-03-20 15:24:47 · 1825 阅读 · 2 评论 -
特征选择和稀疏学习
特征工程是机器学习中非常重要的一个环节,它的好坏直接影响了机器学习效果的优劣。而特征工程里非常关键的一步就是特征选择。如果把机器学习比作是一个厨师做菜的过程,那么数据就是原材料(菜),模型可以理解为炒菜的方式(蒸、煮、炒、炖等等),算法就是这个厨师的炒菜水平。特征工程就是前期处理食材的过程,有了食材(数据),首先要看看食材是啥,长什么样(源数据分布情况),然后看看食材是否新鲜,是否有磕碰破损(数...原创 2018-11-01 15:38:20 · 2102 阅读 · 0 评论 -
机器学习分类模型效果评估指标介绍
机器学习风靡全球,模型算法层出不穷,但是评价指标相对来说比较单一,可谓万变不离其宗准确率、精确率、召回率、F1F1F_1-score我们以分类算法为例,假设班里有50个同学,其中男生30个,女生20个,我们根据身高、体重、头发长度、声音分贝等等特征,想找到所有女生,比如已经有这样一个分类器了,得到结果如下: 这里我们是要找到所有女同学,故把女同学作为正样本(positiv...原创 2018-08-04 10:42:46 · 17993 阅读 · 8 评论