发简信
IP属地：北京
-
机器学习系列 - 10 SVM支持向量机1.SVM原理与数据模型推导 支持向量机要解决的问题：就是找到一条合适的决策边界，决策边界越大越好。虽然说起来比较拗口，但是中心思想就是离决策边...
-
机器学习系列 - 9. 主成分分析法 PCA
1.主成分分析法思想及原理 1.1 什么是主成分分析法 PCA(Principal Component Analysis)，即主成分分析方法，是...
-
机器学习系列 - 8. 决策树
1.初识决策树 1.1 什么是决策树： 决策树是一种常见的机器学习算法，它的思想十分朴素，类似于我们平时利用选择做决策的过程。它是类似流程图的结...
-
机器学习系列 - 7.逻辑回归1.什么是逻辑回归： 1.1 线性回归的3个假设： a.因变量和自变量之间呈线性相关。 b.自变量与干扰项相互独立。 c.没被线性模型捕捉到的随...
-
机器学习系列 - 6. 重要概念补充1. 多项式回归 & Pipeline 1.1 多项式回归： 研究一个因变量与一个或多个自变量间多项式的回归分析方法，称为多项式回归（Polyn...
-
机器学习系列 - 5.梯度下降
一. 梯度下降： 1.为什么需要梯度下降算法： 梯度下降其实是一种基于搜索的最优化方法。梯度下降优化算法，其作用是用来对原始模型的损失函数进行优...
-
机器学习系列 - 4 线性回归算法1. 简单线性回归： 1.1 损失函数： 在机器学习中，所有的算法模型其实都依赖于最小化或最大化某一个函数，我们称之为“目标函数”。 最小化的这...
-
机器学习系列 - 3. 数据预处理
一.KNN优缺点及KD-Tree 1) KNN优缺点： KNN的主要优点有： 理论成熟，思想简单，既可以用来做分类也可以用来做回归 天然解决多分...
-
机器学习系列 - 2.如何评价模型的好坏A.评价分类的相关指标： 精准度，混淆矩阵，精准率，召回率，F1 score, ROC曲线 1.混淆矩阵： TN：真实值是0，预测值也是0，即我...