富的琉舟6z

本文从互联网搬运，只用于本人学习记录。1. 算法1.1. 算法步骤1.2. 2. 优缺点3. 算法调优 & 改进3.1. 数据预处理3.2. 合理选择 K 值3.3. 采用核函数3.4. K-Mean

本文从互联网搬运，只用于本人学习记录。1. 支持向量1.1. 线性可分1.2. 最大间隔超平面1.3. 支持向量1.4. 2. 对偶问题2.1. 拉格朗日乘数法2.2. 3. SVM优化4. 软间隔4

本文从互联网搬运，只用于本人学习记录。1. 模型介绍1.1. Logistic分布1.2. Logistic回归1.3. 代价函数1.4. 求解1.5. 正则化1.6. 2. 与其他模型对比2.1.

本文从互联网搬运，只用于本人学习记录。1. 优化2. 相对XGBoost优缺点3. 主要用于解决 GDBT 在海量数据中遇到的问题，相对 XGBoost 具有训练速度快、内存占用低的特点。1. 基于H

本文从互联网搬运，只用于本人学习记录。BaggingBoostingStacking随机森林 Random Forest1. 思想2. 优缺点3. 与GDBT对比4. 训练样本可能无法选择出最好的单个

本文从互联网搬运，只用于本人学习记录。1. 最大可分性1.1. 方差1.2. 协方差1.3. 协方差矩阵1.4. 矩阵对角化1.5. 2. 求解步骤3. 性质4. 细节4.1. 零均值化4.2. PCA（Principal Component Analysis） 是一种常见的数据...

本文从互联网搬运，只用于本人学习记录。1. 数学原理1.1. 目标函数1.2. 基于决策树的目标函数1.3. 最优决策点划分算法1.4. 2. 工程实现2.1. 块结构设计2.2. 缓存访问优化算法2.3. 3. 优缺点4. XGBoost使大规模并行boosting tree的...

本文从互联网搬运，只用于本人学习记录。1. 思想1.1. 回归树 Regression Decision Tree1.2. 梯度迭代 Gradient Boosting1.2. 优缺点3. GBDT（Gradient Boosting Decision Tree）是一种迭代的决策...

本文从互联网搬运，只用于本人学习记录。1. 思想2. 细节2.1. 损失函数2.2. 3. AdaBoost（Adaptive Boosting，自适应增强），其自适应在于：前一个基本分类器分错的样本会得到加强，加权后的全体样本再次被用来训练下一个基本分类器。同时，在每一轮中加入...