间隔与支持向量支持向量机(Support Vector Machine)是最常用的机器学习算法之一.首先我们从最简单的SVM开始回顾. 假设一个特征空间中有若干二分类样本, ...
发简信
IP属地：上海
-
-
-
-
-
-
task 13 集成学习
蒸汽量预测1.特征工程一般流程：1.去掉无用特征2.去掉冗余特征3.利用存在的特征、特征转换、内容中的特征以及其他数据源生成新特征4.特征转换（数值化、类别转换、归一化）5....
-
task 12 集成学习
.dataframe tbody tr th:only-of-type {vertical-align: middle;} id survey_type province...
-
task 11 集成学习
Stacking相比Linear Blending来说，更加强大，然而也更容易过拟合。 Stacking做法和Linear Blending类似，首先从数据集中训练出初级学习...
-
task 10 集成学习
Stacking. Blending 层次融合的思想，使用不相交的数据，将样本集分为训练集train和测试集test，再将训练集train数据划分为两部分(d1,d2)，用对...
-
task 09 集成学习
Boosting方法是使用同一组数据集进行反复学习，得到一系列简单模型，然后组合这些模型构成一个预测性能十分强大的机器学习模型。显然，Boosting思想提高最终的预测效果是...
-
task 08 集成学习Ensemble methods 组合模型的方式大致为四个：/bagging / boosting / voting / stacking ，今天主要简单叙述 bagging...
-
task 01 集成学习（中）
投票法思路：对于回归模型来说，投票法最终的预测结果是多个其他回归模型预测结果的平均值。对于分类模型，硬投票法的预测结果是多个模型预测结果中出现次数最多的类别，软投票对各类预测...
-
task 06 集成学习用管道简化工作流使用k折交叉验证评估模型性能使用学习和验证曲线调试算法通过网格搜索进行超参数调优比较不同的性能评估指标 管道 在建立逻辑回归之前，我们可能需要先对数据进行标准...
-
task 05 集成学习
选用鸢尾花做case 选择度量模型的指标：这个问题是分类问题。真阳性TP：预测值和真实值都为正例；真阴性TN：预测值与真实值都为正例；假阳性FP：预测值为正，实际值为负；假阴...
-
task 04 集成学习对模型超参的调整 类似w,使用最小二乘法或者梯度下降法等最优化算法优化出来的数我们称为参数， 类似于 𝜆 一样，我们无法使用最小二乘法或者梯度下降法等最优化算法优化出来的数我...
-
task 03 集成学习直播记录： 判断是监督学习还是非监督学习 判断是分类问题 还是回归问题 线性回归原理推理。 最小二乘法算得最小 几何解释： 真实值Y 与预测值y的差距最小的点：Y-y的向量垂...
-
task 02 集成学习一个完整的机器学习流程： 明确项目任务：回归/分类 收集数据集并选择合适的特征。 选择度量模型性能的指标。 选择具体的模型并进行训练以优化模型。 评估模型的性能并调参。 1....
-
task 01 集成学习
机器学习基础 有监督学习：给定某些特征去估计因变量，即因变量存在的时候。回归：因变量是连续型变量，如：房价，体重等。分类：因变量是离散型变量，如：是否患癌症，西瓜是好瓜还是坏...