机器学习算法
15篇文章 · 0订阅
  • [译] 对比归一化和标准化 —— 量化分析
    停止使用 Sklearn 提供的 StandardScaler 作为你的特征压缩方法甚至可以让你训练好的模型有 7% 的准确率提升。 两个最热议的方法就是归一化和标准化。归一化通常来说是将数值压缩到 [0,1] 范围内。标准化指的是重新调整数据，使数据到均值为 0，标准差为 1…
    人工智能 机器学习 掘金翻译计划
  • 利用Python中的numpy包实现PR曲线和ROC曲线的计算
    闲来无事，边理解PR曲线和ROC曲线，边写了一下计算两个指标的代码。在python环境下，sklearn里有现成的函数计算ROC曲线坐标点，这里为了深入理解这两个指标，写代码的时候只用到numpy包。事实证明，实践是检验真理的唯一标准，在手写代码的过程中，才能真正体会到这两个评…
    机器学习
  • 我是这样理解--SVM，不需要繁杂公式的那种！(附代码)
    1. 讲讲SVM 支持向量机（Support Vector Machine，SVM）是众多监督学习方法中十分出色的一种，几乎所有讲述经典机器学习方法的教材都会介绍。关于SVM，流传着一个关于天使与魔鬼的故事。 传说魔鬼和天使玩了一个游戏，魔鬼在桌上放了两种颜色的球。魔鬼让天使用…
    机器学习
  • 终于有人说清楚了--XGBoost算法
    1. 什么是XGBoost XGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GBDT算法并进行了算法和工程上的许多改进，被广泛应用在Kaggle竞赛及其他许多机器学习竞赛中并取得了不错的成绩。 说到XGBoost，不得不提GBDT(Gradient Boost…
    机器学习
  • 从似然函数到EM算法(附代码实现)
    1. 什么是EM算法 最大期望算法（Expectation-maximization algorithm，又译为期望最大化算法），是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐性变量。 第二步是最大化（M），最大化在E步上求得的最大似然…
    机器学习
  • 如何区分生成模型和判别模型？
    监督学习的目标是学习的得到一个模型，通过这个模型对给定的输出，得到一个特定的输出，从而预测该数据的类别。这个模型可以称为 classifier。这个模型对应的函数一般是 或者是 (在数理统计中，随机变量是,样例是)。 对于决策函数类型，需要设置一个阈值用于判断。 对于条件概率分…
    深度学习
  • 分享一波关于做Kaggle比赛，天池的经验，看完我这篇就够了
    @Author:Jasperyang@School:BUPT这篇文章同时在知乎里放着～写在前面Kaggle的数据挖掘比赛近年来很火，以至于中国兴起了很多很多类似的比赛，做了两个这种类型的比赛了，Jda
    机器学习 Kaggle 算法
  • [译] 使用谷歌 FACETS 可视化机器学习数据集
    关于大量的训练数据如何对机器学习模型的结果产生巨大的影响，已经有很多的讨论。然而，随着数据量的增加，要构建一个强大且健壮的机器学习系统，数据质量也非常关键。毕竟“输入糟粕，输出糟粕”，也就是说，你从系统中得到的东西会体现出你提供给系统的东西。 一个机器学习数据集有时包含数千到数…
    Google 掘金翻译计划 人工智能