摘要：
GBDT算法梳理 学习内容： 1.前向分布算法 2.负梯度拟合 3.损失函数 4.回归 5.二分类，多分类 6.正则化 7.优缺点 8.sklearn参数 9.应用场景 1.前向分布算法 在学习模型时，每一步只学习一个基函数及其系数，逐步逼近优化函数式，从而简化优化的复杂度。 2.负梯度拟合 针对这 阅读全文
摘要：
学习内容： 1、逻辑回归与线性回归的联系与区别 2、 逻辑回归的原理 3、逻辑回归损失函数推导及优化 4、 正则化与模型评估指标 5、逻辑回归的优缺点 6、样本不均衡问题解决办法 7. sklearn参数 参考资料 1、西瓜书 2、cs229吴恩达机器学习课程 3、 李航统计学习 4、谷歌搜索 一、 阅读全文
摘要：
线性回归算法梳理 学习内容 ： 1. 机器学习的一些概念 有监督、无监督、泛化能力、过拟合欠拟合(方差和偏差以及各自解决办法)、交叉验证 2. 线性回归的原理 3. 线性回归损失函数、代价函数、目标函数 4. 优化方法(梯度下降法、牛顿法、拟牛顿法等) 5、线性回归的评估指标 6、sklearn参数 阅读全文
摘要：
任务一 随机森林算法梳理】 1. 集成学习概念 2. 个体学习器概念 3. boosting bagging 4. 结合策略(平均法，投票法，学习法) 5. 随机森林思想 6. 随机森林的推广 7. 优缺点 8. sklearn参数 2 9.应用场景 【参考资料】 《西瓜书》、《统计学习方法》、台大 阅读全文