mantch - 博客园

LightGBM，面试会问到的都在这了（附代码）！

摘要： 1. LightGBM是什么东东不久前微软DMTK(分布式机器学习工具包)团队在GitHub上开源了性能超越其他boosting工具的LightGBM，在三天之内GitHub上被star了1000次，fork了200次。知乎上有近千人关注“如何看待微软开源的LightGBM？”问题，被评价为“速... 阅读全文

posted @ 2019-07-11 08:59 mantch 阅读(4898) 评论(1) 推荐(1) 编辑

终于有人说清楚了--XGBoost算法

摘要：文章目录1. 什么是XGBoost1.1 XGBoost树的定义1.2 正则项：树的复杂度1.3 树该怎么长1.4 如何停止树的循环生成2. XGBoost与GBDT有什么不同3. 为什么XGBoost要用泰勒展开，优势在哪里？4. 代码实现5. 参考文献 1. 什么是XGBoost XGBoos... 阅读全文

posted @ 2019-07-10 15:25 mantch 阅读(354229) 评论(6) 推荐(23) 编辑

GBDT--原来是这么回事(附代码)

摘要： GBDT的原理很简单，就是所有弱分类器的结果相加等于预测值，然后下一个弱分类器去拟合误差函数对预测值的残差(这个残差就是预测值与真实值之间的误差)。当然了，它里面的弱分类器的表现形式就是各棵树。阅读全文

posted @ 2019-07-09 21:09 mantch 阅读(8781) 评论(2) 推荐(0) 编辑

随机森林--你想到的，都在这了。

摘要：文章目录1.什么是随机森林1.1 Bagging思想1.2 随机森林2. 随机森林分类效果的影响因素3. 随机森林有什么优缺点4. 随机森林如何处理缺失值？5. 什么是OOB？随机森林中OOB是如何计算的，它有什么优缺点？6. 随机森林的过拟合问题7. 代码实现 1.什么是随机森林 1.1 阅读全文

posted @ 2019-07-07 14:27 mantch 阅读(10930) 评论(0) 推荐(2) 编辑

看完这篇--决策树，80%都懂了

摘要： 1. 什么是决策树 1.1 决策树的基本思想其实用一下图片能更好的理解LR模型和决策树模型算法的根本区别，我们可以思考一下一个决策问题：是否去... 阅读全文

posted @ 2019-07-07 10:06 mantch 阅读(9693) 评论(3) 推荐(3) 编辑

看完这篇，逻辑回归80%都懂了

摘要： 1. 什么是逻辑回归逻辑回归是用来做分类算法的，大家都熟悉线性回归，一般形式是Y=aX+b，y的取值范围是[-∞, +∞]，有这么多取值，怎么... 阅读全文

posted @ 2019-07-06 11:59 mantch 阅读(4699) 评论(0) 推荐(3) 编辑

好记忆的机器学习面试--线性回归

摘要： 1.什么是线性回归线性：两个变量之间的关系是一次函数关系的——图象是直线，叫做线性。非线性：两个变量之间的关系不是一次函数关系的——图象不是... 阅读全文

posted @ 2019-07-05 22:26 mantch 阅读(2040) 评论(0) 推荐(0) 编辑

NLP从词袋到Word2Vec的文本表示

摘要：在NLP(自然语言处理)领域，文本表示是第一步，也是很重要的一步，通俗来说就是把人类的语言符号转化为机器能够进行计算的数字，因为普通的文本语言机... 阅读全文

posted @ 2019-05-09 20:26 mantch 阅读(1865) 评论(0) 推荐(0) 编辑

《数学之美》--第一章：文字和语言 vs 数字和信息

摘要：第一章文字和语言 vs 数字和信息数字、文字和自然语言一样，都是信息的载体，它们之间原本有着天然的联系。语言和数学的产生都是为了... 阅读全文

posted @ 2019-04-07 13:27 mantch 阅读(545) 评论(0) 推荐(0) 编辑

通俗易懂--岭回归(L2)、lasso回归(L1)、ElasticNet讲解(算法+案例)

摘要： 1.L2正则化(岭回归) 1.1问题想要理解什么是正则化，首先我们先来了解上图的方程式。当训练的特征和数据很少时，往往会造成欠拟合的情况，对应... 阅读全文

posted @ 2019-01-08 23:43 mantch 阅读(16988) 评论(1) 推荐(0) 编辑

导航

2019年7月11日

2019年7月10日

2019年7月9日

2019年7月7日

2019年7月6日

2019年7月5日

2019年5月9日

2019年4月7日

2019年1月8日


Copyright © 2024 mantch Powered by .NET 8.0 on Kubernetes 博客园