随笔分类 - 机器学习
摘要：一、归一化 对原始数据缩放到 0-1 之间，是线性变换。也叫最大最小标准化，离散标准化。 区间也可以设置为其他，一般为 0 - 1。 公式： min 为数据最小值，max 为数据最大值，x 为原始数据值，X 为归一化后的值。 特点 虽然归一化可以保留原始数据中存在的关系，但是计算用到的最大值与最小值
阅读全文
摘要：基础知识 1. 什么是数据科学?列出监督学习和非监督学习的区别。数据科学是各种工具、算法和机器学习方法的混合，其目标是从原始数据中发现隐藏的模式。这与统计学家多年来一直在做的事情相似但是有什么不同?下图解释了数据分析和数据科学的区别： 监督学习和无监督学习的区别如下：有监督学习：输入数据是有标记的，
阅读全文
摘要：总的来说,导致该问题出现的原因有以下几个 数据不平衡：如果训练数据中两个类别的样本数量不平衡，例如一个类别的样本数量比另一个类别少很多，那么模型可能会倾向于预测数量较多的类别。可以通过一些方法来解决数据不平衡问题，例如欠采样、过采样或者生成合成样本等方式。 特征选择：选择具有良好区分能力的特征对于提
阅读全文
摘要：在机器学习中经常会使用StandardScaler进行数据归一化，注意一旦调整好StandardScaler以后就保存下来，后面如果进行测试单个时，可以进行加载并对其进行标准化 StandardScaler 是一种常用的数据标准化方法，用于将数据转换为均值为 0，标准差为 1 的标准正态分布。 标准
阅读全文
摘要：我有一批数据，假设是100个文件的存储大小，比如1k，2k，3k......100k，在没有降维之前，数据维度是100维，比如1k的的量化就是1,0,0,0,......（即在0的位置取1，如果是2k则在1的位置取1），那么现在这个维度太大了，需要对其进行降维，假设我们想降到50维，即取值1k和2k
阅读全文
摘要：简介 说来惭愧，好久不写博客，让我动笔的竟然是sklearn一个小小的api功能，以前评价模型用的都是总体的准确率，第一次用sklearn提供的分类报告功能竟然搞不懂是怎么计算的，怎么还分类别。就像下面这样： 计算 首先y_true是真实结果，y_pred是预测出的标签，它们分别如下： y_true
阅读全文
摘要：sklearn（全称scikit-learn）是一个用于机器学习的Python库，它提供了包括分类、回归、聚类和降维等常用的机器学习算法，同时也提供了一些数据预处理、模型评估和模型选择等功能。sklearn是Python中最受欢迎的机器学习库之一，它非常易于使用，具有广泛的用户群体和完整的文档。 使
阅读全文
摘要：首先我们一定要区分准确率-accuracy和精准率-precision的区别： 准确率是表示一个模型的指标，而精准率是表示一个类别的指标 在计算上，准确率：全部检出的正确数/检出总数 精准率：检出的这个类别中正确数/检出的这个类别数量（包括错误和正确） 而召回也是衡量一个类别的指标 f1-score
阅读全文
摘要：逻辑回归和线性回归虽然名字很相似，但是它们是两个不同的模型，适用于不同的任务。主要区别在于以下几个方面： 目标变量类型不同：逻辑回归的目标变量是二元分类变量，即只有两个取值；而线性回归的目标变量是连续的数值型变量。 模型输出不同：逻辑回归的输出是概率值，其取值范围在 0 和 1 之间；而线性回归的输
阅读全文
摘要：本博文为学习笔记，博文的内容来自网上各种资料，在文末给出引用，本博文不作任何商业用途，仅供本人学习记录 细粒度图像分类旨在同一大类图像的确切子类。由于不同子类之间的视觉差异很小，而且容易受姿势、视角、图像中目标位置等影响，这是一个很有挑战性的任务。因此，类间差异通常比类内差异更小。双线性汇合（bil
阅读全文
