机器学习实战-logistic回归分类
摘要：基于LR的回归分类实例 概念 前提理解： 机器学习的三个步骤：模型，损失函数（即样本误差），优化求解（通过损失函数，使得模型的样本误差最小或小于阈值，求出满足条件的参数，优化求解包括：最小二乘法，梯度下降）。 链接1：简析python3深浅复制与赋值 https://cloud.tencent.co
阅读全文
posted @ 2019-05-10 23:53
随笔分类 - 机器学习实战
机器学习实战-朴素贝叶斯垃圾邮件分类
摘要：朴素贝叶斯 概念 对朴素贝叶斯的概念存在疑惑的，可以依此理解条件概率，全概率公式和贝叶斯公式。 附链接帮助理解： 链接1https://blog.csdn.net/Hearthougan/article/details/75174210 链接2https://www.cnblogs.com/hell
阅读全文
posted @ 2019-05-10 23:50
机器学习实战-随机森林二分类问题
摘要：随机森林 概论 前提 Random Forest:可以理解为Bagging with CARTS. Bagging是bootstrap aggregating（引导聚集算法）的缩写。 CART(classification and regression Tree)分类和回归树，二分类树。 这里涉及到
阅读全文
posted @ 2019-05-10 23:46
特征工程
摘要：特征工程 特征工程是利用数据领域的相关知识来创建能使机器学习达到最佳效果的特征的过程。从数学角度思考，特征工程就是人工地去设计输入变量X。 通常把特征工程看做是一个问题，事实上，在特征工程下面，还有许多子问题，主要包括，特征选择（Feature Selection）、特征提取（Feature Ext
阅读全文
posted @ 2019-05-10 23:42
