02 2021 档案
摘要:Ensemble methods https://scikit-learn.org/stable/modules/ensemble.html 集成方法是组合几个基模型的预测,来改善单一模型的泛化性和 健壮性。 通常有两种集成方法: (1)平均方法, 指导思想是, 独立训练介个模型, 平均化他们的预测
阅读全文
摘要:Linear Models https://scikit-learn.org/stable/modules/linear_model.html# 线性模型,目标是特征的线性组合。有系数和偏置值。 Ordinary Least Squares 普通的最小均方差方法构造出来的模型, 就是 线性回归模型。
阅读全文
摘要:Configuration functions https://docs.python.org/3/library/logging.config.html#module-logging.config 三种配置加载方式, (1)加载配置单额词典变量 (2)加载配置文件 (3)从监听端口中读取配置,并生
阅读全文
摘要:Neural network models (supervised) https://scikit-learn.org/stable/modules/neural_networks_supervised.html# sklearn实现的神经网络不支持大规模机器学习应用。 因为其没有GPU支持。 Wa
阅读全文
摘要:Stochastic Gradient Descent https://scikit-learn.org/stable/modules/sgd.html# 随机梯度下降是一种简单且非常高效的方法, 来拟合线性分类器和回归器, 使用凸随时函数, 例如 支持向量 和 逻辑回归。 即使SGD出现在机器学习
阅读全文
摘要:Support Vector Machines https://scikit-learn.org/stable/modules/svm.html# 支持向量是监督学习方法的集合, 可以用于 分类 回归 和 异常检测。 优点: 在高维空间非常有效 仍然有效,当样本数目小于特征维度数目 不同于KNN,
阅读全文
摘要:Decision Trees https://scikit-learn.org/stable/modules/tree.html 决策树是一种非参数的监督性学习算法, 其跟KNN类似,不依赖参数性模型。 可以用于分类和回归。 从特征中学习出决策规则。 Decision Trees (DTs) are
阅读全文
摘要:Feature selection https://scikit-learn.org/stable/modules/feature_selection.html 特征选择工具可以用于选择信息量大的特征,或者消减数据的维度, 以提高模型的精度, 或者提升模型在高维数据上的性能。 The classes
阅读全文
摘要:Nearest Neighbors https://scikit-learn.org/stable/modules/neighbors.html#nearest-neighbors-classification sklearn.neighbors 提供了基于邻居的无监督和监督的学习方法。 无监督的最
阅读全文
摘要:Visualizations https://scikit-learn.org/stable/visualizations.html 提供了分析机器学习性能的可视化工具。 Scikit-learn defines a simple API for creating visualizations fo
阅读全文