摘要：
# 1 简介 **当训练或者计算好一个模型之后，那么如果别人需要我们提供结果预测，就需要保存模型（主要是保存算法的参数）** # 2 sklearn模型的保存和加载API >from sklearn.externals import joblib >- 保存：joblib.dump(rf, 'tes 阅读全文
摘要：
# 1 逻辑回归的简介 ## 1.1 简介 **逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归，但是它与回归之间有一定的联系。由于算法的简单和高效，在实际中应用非常广泛。** ## 1.2 应用场景 - 广告点击率（是否会被点 阅读全文
摘要：
# 1.带有L2正则化的线性回归-岭回归 岭回归，其实也是一种线性回归。只不过在算法建立回归方程时候，加上正则化的限制，从而达到解决过拟合的效果 # 2.API ``` sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver=" 阅读全文
摘要：
**问题：训练数据训练的很好啊，误差也不大，为什么在测试集上面有问题呢？ 当算法在某个数据集当中出现这种情况，可能就出现了过拟合或者欠拟合的现象。** # 1. 什么是过拟合与欠拟合 **欠拟合(学习的特征太少了，预测不准)** 是利用回归方程(函数)对一个或多个自变量(特征 阅读全文
摘要：
``` 说明线性回归的原理 应用LinearRegression或SGDRegressor实现回归预测 记忆回归算法的评估标准及其公式 说明线性回归的缺点 说明过拟合与欠拟合的原因以及解决方法 说明岭回归的原理即与线性回归的不同之处 说明正则化对于权重参数的影响 说明L1和L2正则化的区别 说明逻辑 阅读全文
摘要：
因为决策树会出现那种过拟合的情况，这时候我们就会用到随机森林 # 1 什么是集成学习方法 >集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。 **说白了，就是三个臭皮匠顶一个 阅读全文