（机器学习）实战一基础
摘要：kaggle案例 （介绍） 机器学习算法、工具与流程概述 机器学习应用领域 经济 能源 NLP 互联网用户行为 销量预测 深度学习应用 推荐系统相关 其他预测 机器学习常用算法 目前没有提到强化学习，主要应用机器人领域 Unsupervised（无监督学习-一般用于辅助）Supervised（监督学
阅读全文
摘要：伯努利模型 BernoulliNB 介绍： 多项式朴素贝叶斯可同时处理二项分布（抛硬币）和多项式分布（掷骰子），其中二项式分布又叫做伯努利分布，它是一种现实中常见的，并且拥有很多优越数学性质的分布。因此，既然有着多项式朴素贝叶斯，我们自然也就又专门用来处理二项分布的朴素贝叶斯：伯努利朴素贝叶斯。 与
阅读全文
摘要：多项式朴素贝叶斯 多项式朴素贝叶斯API from sklearn.naive_bayes import MultinomialNBMultinomialNB(alpha=1.0, fit_prior=True, class_prior=None) alpha:拉普拉斯平滑系数，默认1，一般不需要改
阅读全文
摘要：高斯分布概述 朴素贝叶斯的分类 在sk_learn中提供了三种不同类型的贝叶斯模型算法 高斯模型 多项式模型 伯努利模型 高斯模型 介绍： 高斯分布，也就是正态分布，当频率直方图的区间变得特别小的时候拟合的曲线，想一座小山峰，两边特别小，中间高 正太分布，就是正常形态的分布，它是自然界的一种规律 现
阅读全文
摘要：朴素贝叶斯介绍 引出 算法得出的结论，不是一定正确的，更多是基于现有数据分析出的一个可能的模型，是一种可能性，，在很多时候，我们希望能知道算法判断出该结果的可能性概率 无论如何，我们都希望使用真正的概率来衡量可能性，因此就有了真正的概率算法：朴素贝叶斯 朴素贝叶斯是一种直接衡量标签和特征之间的概率关
阅读全文
摘要：岭回归 过拟合处理：正则化 将过拟合的曲线的凹凸幅度减少即可将过拟合曲线趋近于拟合曲线 正则化可以通过不断尝试发现高次项的特征，然后将这些特征的权重w调小到0，则高次项特征消失，凹凸幅度便减少，趋近于拟合曲线 L2正则化： 使用带有正则化算法的回归模型（Ridge岭回归）处理过拟合的问题 Ridge
阅读全文
摘要：多项式回归 面对问题 欠拟合 在训练集与测试集都不能获得很好的拟合数据时，认为该假设出现了欠拟合（模型过于简单） 原因：模型学习到样本特征太少 解决：增加样本的特征数量（多项式回归） 过拟合 在训练集上能获得较好拟合，在训练集以外的数据集上却不能很好的拟合数据 原因：原始特征过多，存在一些嘈杂特征
阅读全文
