FCKeditor是一个功能强大支持所见即所得功能的文本编辑器，可以为用户提供微软office软件一样的在线文档编辑服务。 它不需要安装任何形式的客户端，兼容绝大多数主流浏览器，支持ASP.Net、ASP、ColdFusion 、PHP、Jsp、Active-FoxPro、Lasso、Perl、yt ...
分类：
其他好文 时间：
2017-10-30 14:41:18
阅读次数：
213
在函数中加入一个正则项： 三种方式： 一、Ridge回归（岭回归）： 优点：具有较高的准确性、鲁棒性以及稳定性 缺点：求解速度慢 二、Lasso回归： 优点：求解速度快（原理降维计算，把数据维度中存在的噪音和冗余去除） 缺点：相比Ridge回归没有较高的准确性、鲁棒性以及稳定性 三、弹性网络： 特点 ...
分类：
其他好文 时间：
2017-10-29 11:20:40
阅读次数：
452
1、PCA降维 降维有什么作用呢？数据在低维下更容易处理、更容易使用；相关特征，特别是重要特征更能在数据中明确的显示出来；如果只有两维或者三维的话，更便于可视化展示；去除数据噪声降低算法开销 常见的降维算法有主成分分析（principal component analysis,PCA）、因子分析（F ...
分类：
编程语言 时间：
2017-10-18 02:06:30
阅读次数：
1367
前言在之前的关于回归问题的讨论中，笔者主要给出了一般原始的线性回归模型（主要以最小二乘法形式进行的）以及其它两种主流的线性回归模型的补充内容，它们主要是为了解决样本之间存在线性相关性的问题，包括岭回归和LASSO回归。一般而言，对于多分类问题，我们希望能将样本的..
分类：
其他好文 时间：
2017-10-17 12:40:19
阅读次数：
188
一、普通的线性模型 二、加入正则化的模型 Ridge回归 Lasso回归 ...
分类：
其他好文 时间：
2017-10-05 20:56:10
阅读次数：
241
回归和分类是机器学习算法所要解决的两个主要问题。分类大家都知道，模型的输出值是离散值，对应着相应的类别，通常的简单分类问题模型输出值是二值的，也就是二分类问题。但是回归就稍微复杂一些，回归模型的输出值是连续的，也就是说，回归模型更像是一个函数，该函数通过不同的输入，得到不同的输出。 那么，什么是线性 ...
分类：
其他好文 时间：
2017-07-28 23:47:47
阅读次数：
311
监督学习：分类和回归属于监督学习。这类算法必须知道预测什么，即目标变量的分类信息。 常见算法：k-近邻算法、线性回归、朴素贝叶斯算法、支持向量机、决策树、Lasso最小回归系数估计、Ridge回归、局部加权线性回归 无监督学习：数据没有类别信息，不给定目标值。 常见算法：K-均值、最大期望算法、DB ...
分类：
其他好文 时间：
2017-07-24 16:30:08
阅读次数：
116
函数名称均为sklearn库中的函数 1.线性回归算法：LinearRegression： 其中常用的有：Ridge:岭回归算法，MultiTaskLasso:多任务LASSO回归算法，ElasticNet:弹性网眼算法，LassoLars:LARS套索算法，OrthogonalMatchingPu ...
分类：
编程语言 时间：
2017-07-17 22:04:28
阅读次数：
695
1. 简单列子： 一个损失函数L与参数x的关系表示为： 则 加上L2正则化，新的损失函数L为：（蓝线） 最优点在黄点处，x的绝对值减少了，但依然非零。 如果加上L1正则化，新的损失函数L为：（粉线） 最优点为红点，变为0，L1正则化让参数的最优值变为0，更稀疏。 L1在江湖上人称Lasso，L2人称 ...
分类：
其他好文 时间：
2017-07-02 10:11:02
阅读次数：
155
机器学习就是把无序的数据转换成实用的信息。 机器学习的主要任务就是分类，通过通过训练数据训练算法，终于能够将实际的数据分到合适的类别中 监督学习算法：预測目标变量的值 k-means算法。线性回归 朴素贝叶斯算法，局部加权线性回归 支持向量机。ridge回归 决策树。lasso最小回归系数预计 无监 ...
分类：
其他好文 时间：
2017-05-06 21:57:45
阅读次数：
167
