16篇文章 · 6741字 · 4人关注
-
为什么用余弦相似度，而不是欧式距离？
一、为什么用余弦相似度，而不是欧式距离？ 余弦相似度：取值范围[-1,1]余弦距离=1-余弦相似度：取值范围[0,2] 余弦相似度在高维的情况下...
-
逻辑回归LR模型的总结
“逻辑回归假设数据服从伯努利分布,通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的” 上面这句话是对逻辑回归的一个高度...
-
xgboost是如何处理缺失值的
缺失值的处理办法： 删除法： 简单删除法：此方法将存在缺失值的数据条目（对象，元组，记录）进行删除 权重法：当缺失值的类型为非完全随机缺失的时候...
-
LR模型权重的获取方法
classifier.coef_
-
箱线图箱线图五要素： 最大值 四分之三分位数 中位数 （图中红线） 四分之一分位数 最小值
-
异常点检测-孤立森林异常点检测-孤立森林Isolation Forest 1.基于划分的思想：假设我们用一个随机超平面来切割（split）数据空间（data spa...
-
kmeans最优k值的确定方法-手肘法和轮廓系数法手肘法 - 核心指标：SSE(sum of the squared errors，误差平方和) Ci是第i个簇 p是Ci中的样本点 mi是Ci的...
-
ID3、C4.5、CART、随机森林、bagging、boosting、Adaboost、GBDT、xgboost简要介绍
ID3 C4.5 CART 随机森林 bagging boosting Adaboost GBDT xgboost
-
机器学习：常见的损失函数
损失函数简要介绍 0-1损失 绝对值损失 log对数损失函数 平方损失函数 指数损失函数 Hinge损失函数 损失函数 用来评价模型的预测值和真...
文集作者
