發(fā)簡(jiǎn)信
IP屬地：四川
-
邏輯回歸總結(jié)
1削彬、對(duì)邏輯回歸的理解 （1）邏輯回歸解決分類的問題 線性回歸不能解決分類問題秀仲，但是如果將樣本的特征和樣本發(fā)生的概率聯(lián)系起來吃警，即預(yù)測(cè)的是樣本發(fā)生的...
-
機(jī)器學(xué)習(xí)中的偏差和方差1、定義 在機(jī)器學(xué)習(xí)中挑豌，過擬合和欠擬合都會(huì)使訓(xùn)練好的機(jī)器學(xué)習(xí)模型在真實(shí)的數(shù)據(jù)中出現(xiàn)錯(cuò)誤。我們將錯(cuò)誤分為偏差和方差兩類氓英。 偏差（bias）：描述模...
-
機(jī)器學(xué)習(xí)最優(yōu)化方法之梯度下降
1址貌、梯度下降出現(xiàn)的必然性 利用最小二乘法求解線性回歸的參數(shù)時(shí)徘键，求解的過程中會(huì)涉及到矩陣求逆的步驟练对。隨著維度的增多吹害，矩陣求逆的代價(jià)會(huì)越來越大螟凭，而且...
-
機(jī)器學(xué)習(xí)之線性回歸模型
回歸模型 機(jī)器學(xué)習(xí)中的模型分類方法很多螺男，如果按照label的變量類型分，可分為分類模型和回歸模型下隧。分類模型的label為離散的類別型變量，而回歸...
-
特征工程中數(shù)據(jù)預(yù)處理方法總結(jié)特征工程 “巧婦難為無米之炊”，在機(jī)器學(xué)習(xí)中迫筑，數(shù)據(jù)和特征便是“米”，而模型和算法則是“巧婦”宗弯。沒有充足的數(shù)據(jù)和合適的特征，再?gòu)?qiáng)大的模型也無法擬合...
-
模型評(píng)價(jià)指標(biāo)總結(jié)1、分類準(zhǔn)確度 定義：分類準(zhǔn)確度（accuracy）邓厕，指在分類模型中，模型的輸出分類結(jié)果與真實(shí)結(jié)果一致的樣本占總分類樣本的比例详恼。 優(yōu)缺點(diǎn)：其容易...
-
KNN 知識(shí)點(diǎn)總結(jié)
1昧互、簡(jiǎn)介 knn挽铁，the k nearestNeighbor，也就是最k個(gè)鄰居的意思敞掘。因此涉及到兩個(gè)變量的問題，k的選擇以及距離的選擇玖雁。 對(duì)于k...