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
posted @ 2019-03-02 16:11 burton_shi 阅读(310) 评论(0) 推荐(0) 编辑
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
posted @ 2019-03-02 16:06 burton_shi 阅读(605) 评论(0) 推荐(0) 编辑
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
posted @ 2019-03-02 14:24 burton_shi 阅读(557) 评论(0) 推荐(0) 编辑
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
posted @ 2019-03-02 14:18 burton_shi 阅读(3277) 评论(0) 推荐(0) 编辑