08 2020 档案
摘要：文章目录： 经验误差与过拟合 关键词：错误率（error rate），精度（accuracy）。 错误率好理解，就是m个样本中，a个样本分类错误，则错误率E = a/m 。 精度 就是 1-E。 其实很简单，但是为什么我还要提一提呢，因为机器学习里还有很多相关名词，例如：准确率，召回率，精确度等等，
阅读全文
摘要：文章来自微信公众号：【机器学习炼丹术】 文章目录： 0 前言 先缕一缕几个关系： GBDT是gradient-boost decision tree GBDT的核心就是gradient boost，我们搞清楚什么是gradient boost就可以了 GBDT是boost中的一种方法，boost还有
阅读全文
摘要：文章来自微信公众号：【机器学习炼丹术】 1 作者前言 在2020年还在整理XGB的算法，其实已经有点过时了。不过，主要是为了扩大知识面和应付面试嘛。现在的大数据竞赛，XGB基本上已经全面被LGB模型取代了，这里主要是学习一下Boost算法。之前已经在其他博文中介绍了Adaboost算法和Gradie
阅读全文
摘要：文章来自微信公众号【机器学习炼丹术】。欢迎加入AI友好互助交流群~ 文章目录： 最近要开始写毕业论文了，趁这个机会，整理一下论文中每一个章节的到底要写什么内容。内容来自在读的大学官方提供的英文资料，然后这里翻译成中文并且加上个人理解。文章建议多次阅读体会，觉得偶用的话，可以收藏。 本文的论文背景：一
阅读全文
摘要：文章来自公众号【机器学习炼丹术】，回复“炼丹”即可获得海量学习资料哦！ 本章节缕一缕PyTorch的动态图机制与Tensorflow的静态图机制（最新版的TF也支持动态图了似乎）。 1 动态图的初步推导 计算图是用来描述运算的有向无环图 计算图有两个主要元素：结点（Node）和边（Edge）； 结点
阅读全文
摘要：文章转自公众号【机器学习炼丹术】，关注回复“炼丹”即可获得海量免费学习资料哦！ 最近找工作的时候发现，机器学习算法工程师往往和推荐算法 相关联，之前对推荐算法并不了解，所以现在我也是零基础入门一下推荐算法。这篇文章是我个人的学习笔记。 协同过滤推荐算法是诞生最早，最为基础的推荐算法。 算法通过对用户
阅读全文
摘要：文章转自公众号【机器学习炼丹术】，关注回复“炼丹”即可获得海量免费学习资料哦！ 为什么现在还要学习随机森林？ 随机森林中仍有两个未解之谜（对我来说）。随机森林采用的bagging思想中怎么得到的62.3% 以及 随机森林和bagging的方法是否有区别。 随机森林(Random Forest)就是通
阅读全文
摘要：文章转自公众号【机器学习炼丹术】，关注回复“炼丹”即可获得海量免费学习资料哦！ 1 作者前言 在2020年还在整理XGB的算法，其实已经有点过时了。不过，主要是为了扩大知识面和应付面试嘛。现在的大数据竞赛，XGB基本上已经全面被LGB模型取代了，这里主要是学习一下Boost算法。之前已经在其他博文中
阅读全文
摘要：文章转自公众号【机器学习炼丹术】 本文的重点排序方法在：冒泡排序，归并排序，快速排序，桶排序。 算法分类 十种常见排序算法可以分为两大类： 比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。 非比较类排序：不通过比较来决定元素间的相
阅读全文
摘要：文章来自：微信公众号【机器学习炼丹术】 1 什么是非均衡 分类(classification)问题是数据挖掘领域中非常重要的一类问题，目前有琳琅满目的方法来完成分类。然而在真实的应用环境中，分类器(classifier)扮演的角色通常是识别数据中的“少数派”，比如： 银行识别信用卡异常交易记录 垃圾
阅读全文
摘要：文章转自【机器学习炼丹术】 线性回归解决的是回归问题，逻辑回归相当于是线性回归的基础上，来解决分类问题。 1 公式 线性回归(Linear Regression)是什么相比不用多说了。格式是这个样子的： 而逻辑回归（Logistic R
阅读全文
摘要：文章来自公众号【机器学习炼丹术】 1 focal loss的概述 焦点损失函数 Focal Loss（2017年何凯明大佬的论文）被提出用于密集物体检测任务。 当然，在目标检测中，可能待检测物体有1000个类别，然而你想要识别出来的物体，只是其中的某一个类别，这样其实就是一个样本非常不均衡的一个分类
阅读全文
