摘要：
参数值： [ 3.92908866 2.7990655 -0.02259148 14.02249997]均方误差： 2.78412631453 阅读全文
摘要：
针对用户群体的特征做分群分析，也有点类似RFM模型一样，不过可选的指标比只选择RFM三个指标更多，这里用的数据是航空公司用户的数据，数据指标包括 下面上代码： 空值最多的几个列如下： 最后几类用户几个指标的分布如下，可以有针对性的做营销 阅读全文
摘要：
一、距离的度量 几种常见的距离度量方式要了解，其中闵可夫斯基距离当p=2时候就是欧式距离，等于1时就是街区距离 二、K-means 步骤： 1、随机选择K个类别中心 2、计算每个样本与中心的距离，标记为距离最小的那个类 3、计算每个簇的平均值作为新的中心，然后重新重复第二步，直到两次样本中心的变化小 阅读全文
摘要：
这个博主写的很好：http://blog.csdn.net/on2way/article/details/47729419 一、学习步骤： 1、线性可分支持向量机：就是最基本的原始模式 2、线性支持向量机：在可分基础上加入了一个惩罚因子ξ 3、非线性支持向量机：在线性基础上再引入核函数 所以最重要的 阅读全文
摘要：
集成学习实践部分也分成三块来讲解： sklearn官方文档：http://scikit-learn.org/stable/modules/ensemble.html#ensemble 1、GBDT GradientBoostingClassifier：http://scikit-learn.org/ 阅读全文
摘要：
集成学习中还有一个重要的类别是Boosting，这个是基学习器具有较强依赖串行而成的算法，目前主流的主要有三个算法：GBDT，Adaboost，XGBoost 这个链接可以看看：https://www.cnblogs.com/willnote/p/6801496.html 不同点： 1、adaboo 阅读全文
摘要：
对于集成学习，由于是多个基学习期共同作用结果，因此在做参数调节时候就有基学习器的参数和集成学习的参数两类 在scikit-learn中，RF的分类类是RandomForestClassifier，回归类是RandomForestRegressor 官方文档：http://scikit-learn.o 阅读全文
摘要：
集成学习分成Bagging和Boosting两大类，这里也分成两篇来总结，两个类别的区别如下： 主要根据集成的基学习期生成方式来分的，一个是强依赖关系，串行而成，代表是Boosting。另一种是不存在强依赖关系同时生成，代表是Bagging和随机森林（Random Forest） 一、Bagging 阅读全文
摘要：
官方文档：http://scikit-learn.org/stable/modules/tree.html scikit-learn决策树算法类库内部实现是使用了调优过的CART树算法，既可以做分类，又可以做回归。分类决策树的类对应的是DecisionTreeClassifier，而回归决策树的类对 阅读全文
摘要：
一、决策树 1、基本流程 有三种情况会让递归停止：1、当前节点包含的样本属于同一类别，无需划分。2、属性集为空，所有样本在所有属性上取值都一致，返回的是这个节点样本最多的类别。3、当前节点样本为空，这时候返回父节点的样本最多的类别 2、划分选择 1）熵： 2）信息增益：，信息增益最大的就是最优的选择 阅读全文