摘要：
Bagging 思想： Bagging 思想： 思想： Bagging就是通过Ｍ个弱模型的结果，通过并行集成的方式来获得最终结果。因为Ｍ个数据集是相互独立的，因此这Ｍ个弱模型之间也是相互独立的，在最终的集成结果时，每个模型的权重是一样的。这是和Boosting所不同的。 集成方式： 回归问题 Ｍ个模 阅读全文
摘要：
机器学习算法： 机器学习理论基础学习1——频率派 VS 贝叶斯派 机器学习理论基础学习2——线性回归 机器学习理论基础学习3.1 Linear classification 线性分类之感知机PLA（Percetron Learning Algorithm） 机器学习理论基础学习3.2 Linear 阅读全文
摘要：
一.问题建模 1.评价指标 1.1分类指标 二分类 精确率 P=TP/(TP+FP) 召回率 R=TP/(TP+FN) F1值 2PR/(P+R) P-R曲线 横轴是召回率0-1,纵轴为对应的召回率下的精确率 ROC曲线 横轴为假正率FPF=FP/(FP+TN),纵轴为真正率TPR=TP/(TP+F 阅读全文