Sklearn RandomForest算法（有监督学习），可以根据输入数据，选择最佳特征组合，减少特征冗余； 原理：由于随机决策树生成过程采用的Boostrap，所以在一棵树的生成过程并不会使用所有的样本，未使用的样本就叫（Out_of_bag）袋外样本，通过袋外样本，可以评估这个树的准确度，其他 ...
分类：
编程语言 时间：
2019-09-30 23:18:00
阅读次数：
204
在基于TensorFlow的深度学习框架大红大紫之前，流行过很多的经典机器学习框架。比如KNN，比如支撑向量机，比如随机森林。相对于深度学习的理论，这些经典的机器学习算法构建在更为精密的数学推导上。运筹学，最优化理论，数学分析，数理统计和随机过程构成了这些算法的理论基础，也是进一步学习各种基于神经网 ...
分类：
编程语言 时间：
2019-09-29 14:25:46
阅读次数：
175
今天在数据人网上看到一篇文章。区分监督学习和无监督学习，监督学习的数据就是有标签数据，无监督学习的数据就是无标签数据。这是我的理解，欢迎指教。 原文链接http://www.shujuren.org/article/62.html 原文如下 监督式和非监督式机器学习算法 作者 Frankchen 什 ...
分类：
其他好文 时间：
2019-09-23 22:38:36
阅读次数：
406
1.什么是集成学习 什么是集成学习，以前我们都是使用一个算法来进行预测，难免会有"独断专行"的感觉。集成学习是将多个算法集成在一块，然后多个算法对同一个问题进行预测，然后少数服从多数，这便是集成学习。 我们生活中有很多集成学习的例子，比如买东西的时候看推荐，如果10个人推荐你买A产品，但是只有1个人 ...
分类：
其他好文 时间：
2019-09-15 23:55:11
阅读次数：
173
本节主要用于机器学习入门，介绍两个简单的分类模型： 决策树和随机森林 不涉及内部原理，仅仅介绍基础的调用方法 1. How Models Work 以简单的决策树为例 This step of capturing patterns from data is called fitting or tra ...
分类：
系统相关 时间：
2019-09-07 22:01:17
阅读次数：
172
一面，电话（20190903） 1. 介绍下你自己 2.详细介绍个你自己觉得擅长的项目 3.这个项目的创新点 4.你觉得你怎么在cv领域做的突出 5.除了图像类算法，你还懂别的算法吗？ 6.详细的讲一下逻辑回归的推导吧，以及你在哪里用到这个算法的案例 7.随机森林和GBDT算法的区别 8.2根绳子， ...
分类：
其他好文 时间：
2019-09-03 22:29:02
阅读次数：
130
秉承bagging； 构造多颗相互独立CART决策树，形成一个森林，共同决策输出； 两个随机： 1）输入数据随机：从全体数据中又放回的选取部分数据； 2）每颗决策树构建的特征是从全体特征中随机选取；（从M个特征中选m个，再从这m个选取最优特征作为节点） 优点： 1）不易过拟合，抗噪能力强； 2）高度 ...
分类：
其他好文 时间：
2019-09-01 15:06:41
阅读次数：
112
一、bagging和boosting的区别 参考：https://blog.csdn.net/blank_tj/article/details/82229322 简单总结Bagging：对数据集进行多次有放回抽样，每次的抽样进行分类计算生成弱分类器，分类问题就是把每一次的计算结果进行投票，看哪一种情 ...
分类：
其他好文 时间：
2019-08-19 10:03:43
阅读次数：
630
一、集成学习 集成学习就是合并多个分类器的预测。一般会在一个项目快结束的时候使用集成算法，一旦建立了一些好的分类器，就可以使用集成把它们合并成一个更好的分类器。著名的集成方法：投票分类、bogging、pasting、boosting、stacking、和一些其它算法。 1.1 投票分类（少数服从多 ...
分类：
其他好文 时间：
2019-08-15 16:00:03
阅读次数：
78
梯度下降法 [TOC] 梯度下降法，是一种基于搜索的最优化方法，最用是最小化一个损失函数。 一、什么是梯度下降？ ? 机器学习算法都需要最大化或最小化一个函数，这个函数被称为"目标函数"，其中我们一般把最小化的一类函数，称为"损失函数"。它能根据预测结果，衡量出模型预测能力的好坏。在求损失函数最小化 ...
分类：
其他好文 时间：
2019-08-08 19:42:49
阅读次数：
125
