IP屬地：上海
-
-
你敢來(lái)試試嗎牧氮？這是觸及人類(lèi)理解極限的概念之一【熵】
你是否曾為這樣的場(chǎng)面駐足营勤？ 無(wú)論是電影也好厅各，魔術(shù)也罷终议，這些在現(xiàn)實(shí)生活中原本不可能出現(xiàn)的場(chǎng)景桃漾，總是能第一時(shí)間抓住我們的眼球。 所有的這些“不可能”概括起來(lái)說(shuō)就是：違反了自然界普...
-
17. 決策樹(shù)參數(shù)實(shí)例使用鳶尾花數(shù)據(jù)集構(gòu)建決策樹(shù) 決策樹(shù)參數(shù) 1 熵/Gini系數(shù)作為評(píng)判指標(biāo) 2 splitter: 所有或隨機(jī)在特征中找最好的切分點(diǎn) 3 max_features: None(...
-
-
人工智能領(lǐng)域的百科全書(shū)氧骤，非常適合小白和新手入門(mén) AI 領(lǐng)域呻疹。<br>現(xiàn)在市面上大家看到的絕大部分 AI 資料都是追求嚴(yán)謹(jǐn)?shù)摹袄砉た铺鞎?shū)”，這個(gè)世界不缺少嚴(yán)謹(jǐn)真確晦澀難懂的 AI 資料，但是很缺容易理解的內(nèi)容刽锤。<br>我們希望拋開(kāi)復(fù)雜的公式镊尺，復(fù)雜的邏輯，復(fù)雜的專(zhuān)用名詞并思。做一套文科生也能看懂的 AI 知識(shí)庫(kù)庐氮。
-
一文看懂分類(lèi)模型的評(píng)估指標(biāo)：準(zhǔn)確率、精準(zhǔn)率宋彼、召回率弄砍、F1、ROC曲線输涕、AUC曲線
機(jī)器學(xué)習(xí)模型需要有量化的評(píng)估指標(biāo)來(lái)評(píng)估哪些模型的效果更好音婶。本文將用通俗易懂的方式講解分類(lèi)問(wèn)題的混淆矩陣和各種評(píng)估指標(biāo)的計(jì)算公式。將要給大家介紹的評(píng)估指標(biāo)有：準(zhǔn)確率莱坎、精準(zhǔn)率衣式、召...
-
-
-
微信公眾號(hào)：曲曲菜<br>知乎專(zhuān)欄：<a href="https://zhuanlan.zhihu.com/ququcai" rel="nofollow" target="_blank">https://zhuanlan.zhihu.com/ququcai</a><br>GitHub：<a href="https://github.com/ququcai" rel="nofollow" target="_blank">https://github.com/ququcai</a>
-
無(wú)監(jiān)督學(xué)習(xí)1、無(wú)監(jiān)督學(xué)習(xí)的類(lèi)型 無(wú)監(jiān)督學(xué)習(xí)常見(jiàn)的兩種類(lèi)型是：數(shù)據(jù)集變換和聚類(lèi)瓮具。數(shù)據(jù)集變換荧飞，就是創(chuàng)建數(shù)據(jù)集新的表示算法，與數(shù)據(jù)的原始原始表示相比搭综，新的表示可能更容易被人或其他機(jī)器學(xué)習(xí)算法...
-
監(jiān)督學(xué)習(xí)(八)——決策樹(shù)集成：梯度提升回歸樹(shù)
梯度提升回歸樹(shù)是另一種決策樹(shù)集成方法，通過(guò)合并多個(gè)決策樹(shù)來(lái)構(gòu)建一個(gè)更為強(qiáng)大的模型划栓。雖然名字中含有“回歸”兑巾，但這個(gè)模型既可以用于回歸也可以用于分類(lèi)。與隨機(jī)森林方法不同忠荞，梯度提升...
-
-
監(jiān)督學(xué)習(xí)(七)——決策樹(shù)集成：隨機(jī)森林決策樹(shù)經(jīng)常會(huì)對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行過(guò)擬合委煤，也就是訓(xùn)練數(shù)據(jù)精度高堂油，而預(yù)測(cè)結(jié)果很低。隨機(jī)森林就是許多決策樹(shù)的集合碧绞，每一棵決策樹(shù)跟其他決策樹(shù)都不同府框，每棵樹(shù)都會(huì)不同方式的過(guò)擬合，那么對(duì)這些樹(shù)...
