這本書主講的內(nèi)容包括： 1.統(tǒng)計(jì)學(xué)習(xí)的定義叽唱、研究對(duì)象與方法态罪； 2.監(jiān)督學(xué)習(xí) 3.統(tǒng)計(jì)學(xué)習(xí)方法的三要素：方法=模型+策略+算法 4.介紹模型選擇地消，包括正則化、交叉驗(yàn)證與學(xué)習(xí)的泛...
發(fā)簡(jiǎn)信
IP屬地：浙江
-
統(tǒng)計(jì)學(xué)習(xí)方法-第1章統(tǒng)計(jì)學(xué)習(xí)方概論 -
計(jì)算廣告系列(一)-基本概念整理当悔！
最近開(kāi)始研究計(jì)算廣告相關(guān)的東西了傅瞻，那么首先我們要弄懂計(jì)算廣告中一些常見(jiàn)的概念踢代，本文就讓我們一起來(lái)整理下吧。 主要參考的兩本書：《計(jì)算廣告》和 《互聯(lián)網(wǎng)廣告的市場(chǎng)設(shè)計(jì)》 1嗅骄、廣...
-
2019騰訊廣告算法大賽思路~~更新啦~~2019/4/252019-4-25 09:13 ~~思路持續(xù)更新Ｉ銮搿！更胖！---作者硬件：內(nèi)存:8g/ cpu:i5-4代 Attentionｎ跆！ 作者會(huì)不定時(shí)更新內(nèi)容却妨，因?yàn)殡S著對(duì)賽題的理解會(huì)發(fā)...
-
@YYLin_AI 我也想知道用戶數(shù)據(jù)怎么怎么用
2019騰訊廣告算法大賽思路~~更新啦~~2019/4/25
2019-4-25 09:13 ~~思路持續(xù)更新６稹！彪标！---作者硬件：內(nèi)存:8g/ cpu:i5-4代 Attention１度ā！ 作者會(huì)不定時(shí)更新內(nèi)容捞烟，因?yàn)殡S著對(duì)賽題的理解會(huì)發(fā)...
-
時(shí)間序列Basics
時(shí)間序列概念 1.EDA探索性數(shù)據(jù)分析目的是最大化對(duì)數(shù)據(jù)的直覺(jué)薄声，完成這個(gè)事情的方法只能是結(jié)合統(tǒng)計(jì)學(xué)的圖形以各種形式展現(xiàn)出來(lái)。通過(guò)EDA可以實(shí)現(xiàn)： 1）得到數(shù)據(jù)的直觀表現(xiàn) 2）...
-
集成學(xué)習(xí)之Bagging和RF
一题画、什么是隨機(jī)森林 二默辨、隨機(jī)森林的兩個(gè)隨機(jī) 三、隨機(jī)森林算法過(guò)程 四苍息、為什么如此受歡迎 五缩幸、隨機(jī)森林算法的優(yōu)缺點(diǎn) 六、RF特征選擇 *********************...
-
集成學(xué)習(xí)之Boosting-xgboost一竞思、什么是Xgboost 二表谊、Xgboost的基本原理 三、Xgboost的工作實(shí)例 四衙四、算法的優(yōu)缺點(diǎn) ***********************************...
-
集成學(xué)習(xí)之Boosting-gbdt一铃肯、什么是GBDT 二、GBDT與傳統(tǒng)Adaboost的不同之處 三传蹈、GBDT的負(fù)梯度擬合 四押逼、GBDT算法流程 五步藕、GBDT工作過(guò)程實(shí)例 六、GBDT常用損失函數(shù) 七挑格、算法...
-
夢(mèng)想還是要有的漂彤，萬(wàn)一實(shí)現(xiàn)了呢????????
-
集成學(xué)習(xí)原理一雾消、集成學(xué)習(xí)的概述 集成學(xué)習(xí)(ensemble learning)本身不是一個(gè)單獨(dú)的機(jī)器學(xué)習(xí)算法，而是通過(guò)構(gòu)建并結(jié)合多個(gè)機(jī)器學(xué)習(xí)器來(lái)完成學(xué)習(xí)任務(wù)挫望。集成學(xué)習(xí)可以用于分類問(wèn)題集成...
-
四種機(jī)器學(xué)習(xí)曲線一立润、方差、偏差與欠擬合媳板、過(guò)擬合概念 1.方差：描述模型對(duì)于給定值的輸出穩(wěn)定性.桑腮。（強(qiáng)調(diào)個(gè)體結(jié)果與個(gè)體期望的遠(yuǎn)近） 2.偏差：描述模型輸出結(jié)果的期望與樣本真實(shí)結(jié)...
-
第7章 SVM的三層理解內(nèi)容 一、了解SVM 二蛉幸、深入SVM 三破讨、證明SVM（暫時(shí)不懂） ######################################################...
-
第5章 決策樹(shù)內(nèi)容 一、決策樹(shù)內(nèi)容簡(jiǎn)介 二奕纫、決策樹(shù)的模型與學(xué)習(xí) 三提陶、特征選擇 四、決策樹(shù)生成 五匹层、決策樹(shù)剪枝 六隙笆、CART算法 ##############################...
-
breakPoint&growth function&VC Bound內(nèi)容 一、學(xué)習(xí)VC維前概念介紹 二又固、breakPoint對(duì)growth function的限制 三仲器、邊界函數(shù)Bounding Function（growth function...
-
第8章 Adaboost算法內(nèi)容 一、Adaboost簡(jiǎn)介 二仰冠、Adaboost算法過(guò)程 三乏冀、Adaboost算法的訓(xùn)練誤差分析 四、Adaboost算法的解釋 五洋只、提升樹(shù) 六辆沦、詳細(xì)理解“梯度提升算法”...
-
最大似然估計(jì)(MLE)VS最大后驗(yàn)估計(jì)（MAP）
概念介紹 1.最大似然估計(jì)（MLE，Maximum Likelihood Estimation）：模型(x)已定,參數(shù)y未知 2.最大后驗(yàn)概率（MAP识虚，Maximum a p...
-
第4章 樸素貝葉斯算法
概念介紹 貝葉斯統(tǒng)計(jì)都是以條件概率肢扯，聯(lián)合概率為基礎(chǔ)的，所以我們從概率担锤，條件概率蔚晨，聯(lián)合概率開(kāi)始，然后到貝葉斯定理。 1.概率：事件發(fā)生的可能性铭腕，比如拋一枚硬幣银择，正面向上的可能性...
