首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
机器学习
掘金用户007
创建于2021-08-05
订阅专栏
总结一下最近机器学习的学习心得
等 1 人订阅
共16篇文章
创建于2021-08-05
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
机器学习算法 | Adaboost算法详解
这是我参与8月更文挑战的第22天,活动详情查看:8月更文挑战 1.前言 用一条垂直于X轴或者Y轴的直线将蓝色点和黄色点成功分离,无论这个直线是怎么选取,这个分类都不可能达到100%的准确率。当年感知机
Support Vector Regression
这是我参与8月更文挑战的第20天,活动详情查看:8月更文挑战 上节课我们主要介绍了Kernel Logistic Regression,讨论如何把SVM的技巧应用在soft-binary classi
有效的方程
这是我参与8月更文挑战的第18天,活动详情查看:8月更文挑战 有效的方程 (Effective Number of Hypotheses) 让我们来回忆下这个M是从哪里来的。记中第m个方程遇到ba
机器学习--模型选择-交叉验证
1. 交叉验证理论 交叉验证 对于模型的准确度,一般可以将预测结果和实际结果比对,从而轻松地得出。而模型地泛化误差(是不是过拟合)则相对较
模型选择-性能度量
0.概述 模型的好坏是相对的。什么样的模型是好的,即取决于算法和数据,也取决于任务需求。 回归任务的性能度量 均方误差 均方误差是回归任务
机器学习--谱聚类
谱聚类简介 谱聚类是从图论中演化出来的算法,后来在聚类中得到了广泛的应用。它的主要思想是把所有的数据看作空间中的点,这些点之间可以用边连接
机器学习专题 --岭回归和Lasso回归
岭回归和Lasso回归的背景: 岭回归(ridge regression, Tikhonov regularization)是一种专用于共
机器学习专题 --k-mean
K-means介绍 K-means 是我们最常用的基于欧式距离的聚类算法,其认为两个目标的距离越近,相似度越大。在开始介绍K-Means具体过程开始我们先看一个著名的K-Means解释-牧师-村民模型
数值分析平时作业-牛顿迭代法
最近 5 年炎热季节 10% 湿球温度及相应气 象条件,是电厂冷却塔热力计算不可或缺的重要 参数。我国许多气象观测站于 2002 年~
机器学习专题--07svm
SVM算法原理 支持向量机是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器,您可能会疑惑什么是线性可分,我们会介绍这一概念。 线性可分 在二维空间上,两类点被一条直线完全分开叫
机器学习--006随机森林
算法简介 Bagging Bagging是一种集成学习思想,他的集合策略也比较简单:对于分类问题,通常使用简单投票法,得到票数最多的类别为最终的输出。由于Bagging算法每次都进行采样来训练模型,因
机器学习专题--04朴素贝叶斯算法
了解朴素贝叶斯法之前,我们首先需要了解贝叶斯定理 贝叶斯定理 全概率公式 由条件概率公式: 对一个事件组X={X1,X2,X3,...,X
机器学习专题--03KNN算法
算法概述 k-近邻算法就是采用测量不同特征值之间的距离进行分类的方法。它的思路是:如果一个样本在特征空间中的k个最相似(邻近)的样本中大多数
机器学习专题--02逻辑回归
Linear Regression(线性回归) 在了解逻辑回归之前,我们先简单介绍一下Linear Regression(线性回归)。 线性
机器学习专题--01基础知识
什么是机器学习 比起机器学习,更为媒体所报道的是人工智能和大数据。在读研之前之前我深知都没有听说过机器学习这一名词。现在才知道,当时以为是机
数据挖掘期末大作业v3 | 八月更文挑战
[toc] 文件介绍 01数据预处理 02特征工程 03模型选择 - xgb_model 03模型选择 - ctb_model 03模型选择 - lgb_model 04模型调优 05模型融合 06过