秋招-算法 - 專題

投稿

秋招-算法

收錄了58篇文章 · 8人關(guān)注

隨機(jī)森林如何處理缺失值
序 RF中有相應(yīng)的缺失值處理方法蒿褂，本次記錄其兩種缺失值處理技巧暴力填補(bǔ) Python中的na.roughfix包提供簡單的缺失值填補(bǔ)策略：對于...

0.4 0過把火0 1 4
隨機(jī)森林如何評(píng)估特征重要性
序集成學(xué)習(xí)模型的一大特點(diǎn)是可以輸出特征重要性妥泉，特征重要性能夠在一定程度上輔助我們對特征進(jìn)行篩選，從而使得模型的魯棒性更好。隨機(jī)森林中進(jìn)行特征...

0.2 0過把火0 0 4

Boosting
序 boosting是集成學(xué)習(xí)中的一個(gè)大家族，本次記錄boosting的相關(guān)概念以及與bagging的區(qū)別。 boosting思想 Boosti...

0過把火0 0 0
決策樹剪枝
為何要剪枝決策樹遞歸地構(gòu)建樹涯呻，直到不能繼續(xù)分裂下去為止，這樣的樹對于訓(xùn)練集可能擬合的較好腻要，但對于訓(xùn)練集可能產(chǎn)生過擬合現(xiàn)象复罐，原因是過多的考慮對訓(xùn)...

0.1 0過把火0 0 1
集成學(xué)習(xí)
序本次以及后續(xù)幾次博客將陸續(xù)記錄關(guān)于集成學(xué)習(xí)模型的相關(guān)知識(shí)點(diǎn)。 Ensemble概述集成學(xué)習(xí) 就是構(gòu)造若干模型并用它們的（加權(quán)預(yù)測/投票）值...

0過把火0 0 0
模型方差與偏差
序面試過程中經(jīng)常會(huì)被問到關(guān)于方差和偏差的概念以及比對雄家。偏差偏差度量了學(xué)習(xí)算法的期望預(yù)測值與真實(shí)結(jié)果間的偏離程度效诅，也就是刻畫了模型本身的擬合...

0過把火0 0 0
Bagging與隨機(jī)森林
序集成學(xué)習(xí)大類中常見的有兩個(gè)子類：Bagging和Boosting。本次記錄一下Bagging以及其代表模型RandomForest。 Bag...

0.1 0過把火0 0 1

樸素貝葉斯
序本次記錄樸素貝葉斯的相關(guān)原理乱投，并上一張手寫的面試級(jí)推導(dǎo)過程樸素貝葉斯模型是什么咽笼？樸素貝葉斯是基于貝葉斯定理與特征條件獨(dú)立假設(shè)的分類方法。...

0.1 0過把火0 0 1
決策樹
序本次記錄一下決策樹的相關(guān)概念以及思想戚炫，后面博客再貼上具體的算法原理一句話介紹決策樹是一種基本的分類與回歸的判別式模式剑刑，在分類問題中，表示...

0過把火0 0 0
信息熵與基尼指數(shù)的關(guān)系
序熵的概念中有信息熵双肤、信息增益施掏、信息增益比、基尼指數(shù)茅糜，這些統(tǒng)統(tǒng)作為決策樹分裂的依據(jù)七芭，其中，我們需要知道信息熵與基尼指數(shù)的關(guān)系限匣。信息熵與基尼指...

0過把火0 0 0