04 2020 档案
摘要:机器学算法基础:条件随机场 CONTENT "1. 概率无向图的马尔科夫性" "2. 概率无向图的因子分解" "3. 条件随机场的定义与形式" "4. 条件随机场的基本问题" 概率计算问题 学习问题 预测问题 "5. 代码实践" 1. 概率无向图的马尔科夫性 成对马尔科夫性:在无向图中有两个没有链接
阅读全文
摘要:机器学习基础:Kmeans算法及其优化 CONTENT 1. "算法原理" 2. "算法流程" 3. "算法优化" Kmeans++ Elkan Kmeans Mini Batch Kmeans 4. "与KNN的区别" 5. "算法小结" 6. "sklearn代码实践" 1. 算法原理 对于给定
阅读全文
摘要:机器学习基础:MLE和EM算法 假设一个情景 :假设某种实验有四个可能得结果,其发生概率分别为 $$ \frac{1}{2} \frac{\theta}{4},\frac{1}{4} \frac{\theta}{4},\frac{1}{4}+\frac{\theta}{4},\frac{\theta
阅读全文
摘要:机器学习基础:朴素贝叶斯小结 CONTENTS "1. 全概率公式与贝叶斯公式" "2. 朴素贝叶斯的模型" "3. 朴素贝叶斯的推断过程" "4. 朴素贝叶斯的参数估计" "5. 朴素贝叶斯算法优缺点" "6. 代码实践" 1. 全概率公式与贝叶斯公式 $$ 全概率公式: P(X)=\sum_{k
阅读全文
摘要:机器学习基础:线性回归小结 CONTENT "1.线性回归形式和损失函数" 基本形式 损失函数 "2.线性回归的求解算法" 梯度下降法 最小二乘法 牛顿法 拟牛顿法 "3.多项式回归和广义线性回归" 多项式回归 广义线性回归 "4.线性回归中的正则化" L1正则: Lasso L2正则: Ridge
阅读全文
摘要:1. 欠采样 随机欠采样 EasyEnsemble BalanceCascade "Exploratory Undersampling forClass Imbalance Learning" 2. 过采样 随机过采样 SMOTE Borderline SMOTE "SMOTE: Synthetic
阅读全文
摘要:图像增强工具 学习总结 CONTENT | data augmentations | link | description | | : : | : : | : : | | "CenterCrop" | "查看结果" | 中心剪裁 | | "Crop" | "查看结果" | 指定位置剪裁 | | "C
阅读全文
摘要:1. 网格搜索调参 参考博客: "Using Grid Search to Optimise CatBoost Parameters" 2. Bayesian方法调参: 3. 查看参数的importance python fea_df = pd.DataFrame() fea_df['feature
阅读全文