这本书主讲的内容包括： 1.统计学习的定义、研究对象与方法； 2.监督学习 3.统计学习方法的三要素：方法=模型+策略+算法 4.介绍模型选择，包括正则化、交叉验证与学习的泛...
发简信
IP属地：浙江
-
统计学习方法-第1章统计学习方概论 -
计算广告系列(一)-基本概念整理！
最近开始研究计算广告相关的东西了，那么首先我们要弄懂计算广告中一些常见的概念，本文就让我们一起来整理下吧。 主要参考的两本书：《计算广告》和 《互联网广告的市场设计》 1、广...
-
2019腾讯广告算法大赛思路~~更新啦~~2019/4/252019-4-25 09:13 ~~思路持续更新！！！---作者硬件：内存:8g/ cpu:i5-4代 Attention！！ 作者会不定时更新内容，因为随着对赛题的理解会发...
-
@YYLin_AI 我也想知道用户数据怎么怎么用
2019腾讯广告算法大赛思路~~更新啦~~2019/4/25
2019-4-25 09:13 ~~思路持续更新！！！---作者硬件：内存:8g/ cpu:i5-4代 Attention！！ 作者会不定时更新内容，因为随着对赛题的理解会发...
-
时间序列Basics
时间序列概念 1.EDA探索性数据分析目的是最大化对数据的直觉，完成这个事情的方法只能是结合统计学的图形以各种形式展现出来。通过EDA可以实现： 1）得到数据的直观表现 2）...
-
集成学习之Bagging和RF
一、什么是随机森林 二、随机森林的两个随机 三、随机森林算法过程 四、为什么如此受欢迎 五、随机森林算法的优缺点 六、RF特征选择 *********************...
-
集成学习之Boosting-xgboost一、什么是Xgboost 二、Xgboost的基本原理 三、Xgboost的工作实例 四、算法的优缺点 ***********************************...
-
集成学习之Boosting-gbdt一、什么是GBDT 二、GBDT与传统Adaboost的不同之处 三、GBDT的负梯度拟合 四、GBDT算法流程 五、GBDT工作过程实例 六、GBDT常用损失函数 七、算法...
-
-
-
第7章 SVM的三层理解内容 一、了解SVM 二、深入SVM 三、证明SVM（暂时不懂） ######################################################...
-
-
breakPoint&growth function&VC Bound内容 一、学习VC维前概念介绍 二、breakPoint对growth function的限制 三、边界函数Bounding Function（growth function...
-
第8章 Adaboost算法内容 一、Adaboost简介 二、Adaboost算法过程 三、Adaboost算法的训练误差分析 四、Adaboost算法的解释 五、提升树 六、详细理解“梯度提升算法”...
-
最大似然估计(MLE)VS最大后验估计（MAP）
概念介绍 1.最大似然估计（MLE，Maximum Likelihood Estimation）：模型(x)已定,参数y未知 2.最大后验概率（MAP，Maximum a p...
-
第4章 朴素贝叶斯算法
概念介绍 贝叶斯统计都是以条件概率，联合概率为基础的，所以我们从概率，条件概率，联合概率开始，然后到贝叶斯定理。 1.概率：事件发生的可能性，比如抛一枚硬币，正面向上的可能性...
