這篇文章打算介紹一下boosting 和xgboost儡循，這兩天也看了好多文章，也感覺了解的不深，算是做個記錄装哆。 Boost算法 先簡單提一下Ba...

之前簡單介紹過決策樹拗小，這篇文章簡單介紹一下GBDT(Gradient Boosting Decision Tree). Gradient Boo...

之前有文章介紹過決策樹（ID3）。簡單回顧一下：ID3每次選取最佳特征來分割數(shù)據(jù)樱哼，這個最佳特征的判斷原則是通過信息增益來實現(xiàn)的哀九。按照某種特征切分...

應(yīng)該對現(xiàn)有流行并將繼續(xù)流行下去的分類模型有深刻的了解。隨機森林和支持向量機(svm)上篇文章簡單介紹了隨機森林唇礁，這篇文章簡單介紹一下支持向量機(...

之前簡單介紹了決策樹勾栗，這篇文章簡單介紹一下隨機森林以及優(yōu)缺點惨篱。 集成學(xué)習(xí) 通過構(gòu)建并結(jié)合多個分類器來完成學(xué)習(xí)任務(wù)盏筐。將多個學(xué)習(xí)器進行結(jié)合，常比獲得...

上次簡單介紹了kNN算法砸讳，簡單來說琢融，通過計算目標(biāo)值與樣本數(shù)據(jù)的距離界牡，選取k個最近的值，用出現(xiàn)概率大的分類值代表目標(biāo)值的分類漾抬，算法實現(xiàn)比較簡單宿亡，屬...

機器學(xué)習(xí)中，決策樹是一個預(yù)測模型纳令；代表對象屬性和對象值之間的一種映射關(guān)系挽荠。樹中每個節(jié)點表示某個對象，而每個分叉表示某個可能的屬性平绩，每個葉子節(jié)點則...

前面文章分別簡單介紹了線性回歸圈匆，邏輯回歸，貝葉斯分類捏雌，并且用python簡單實現(xiàn)跃赚。這篇文章介紹更簡單的 knn， k-近鄰算法（kNN性湿，k-Ne...