发简信
IP属地：香港
-
Pytorch 数据加载器： Dataset 和 DataLoader
为什么要用？ 习惯于自己实现业务逻辑的每一步，以至于没有意识去寻找框架本身自有的数据预处理方法，Pytorch的Dataset 和 DataLo...
-
Boosting
序 boosting是集成学习中的一个大家族，本次记录boosting的相关概念以及与bagging的区别。 boosting思想 Boosti...
-
随机森林如何评估特征重要性序 集成学习模型的一大特点是可以输出特征重要性，特征重要性能够在一定程度上辅助我们对特征进行筛选，从而使得模型的鲁棒性更好。 随机森林中进行特征...
-
随机森林如何处理缺失值
序 RF中有相应的缺失值处理方法，本次记录其两种缺失值处理技巧 暴力填补 Python中的na.roughfix包提供简单的缺失值填补策略：对于...
-
Bagging与随机森林
序 集成学习大类中常见的有两个子类：Bagging和Boosting。本次记录一下Bagging以及其代表模型RandomForest。 Bag...
-
模型方差与偏差
序 面试过程中经常会被问到关于方差和偏差的概念以及比对。 偏差 偏差度量了学习算法的期望预测值与真实结果间的偏离程度，也就是刻画了模型本身的拟合...
-
集成学习
序 本次以及后续几次博客将陆续记录关于集成学习模型的相关知识点。 Ensemble概述 集成学习 就是构造若干模型并用它们的（加权预测/投票）值...
-
决策树剪枝为何要剪枝 决策树递归地构建树，直到不能继续分裂下去为止，这样的树对于训练集可能拟合的较好，但对于训练集可能产生过拟合现象，原因是过多的考虑对训...
-
ID3、C4.5、CART序 其实不同的决策树学习算法只是它们选择特征的依据不同，决策树的生成过程都是一样的（根据当前环境对特征进行贪婪的选择）。 ID3算法的核心是在决...