摘要： 我与春风皆过客，你携秋水揽星河 阅读全文

摘要： 五、随机森林和 Extra-Trees 六、Ada Boosting 和 Gradient Boosting 七、Stacking 八、学习scikit-learn文档, 官方学习文档： http://scikit-learn.org http://scikit-learn.org/stable/u 阅读全文

摘要： 一、什么是集成学习 二、Soft Voting Classifier 更合理的投票，应该有的权值 三、Bagging 和 Pasting 四、oob (Out-of-Bag) 和关于Bagging的更多讨论 阅读全文

摘要： 四、基尼系数 五、CART与决策树中的超参数 Classification And Regression Tree 根据某一个维度d 和某一阈值v进行二分 scikit-learn的决策树实现：CART 六、决策树解决回归问题 七、决策树的局限性 本文章仅仅 波波老师机器学习的学习笔记。本文章仅仅 阅读全文

摘要： 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象 阅读全文

摘要： 支持向量机通过某非线性变换 φ( x) ，将输入空间映射到高维特征空间。特征空间的维数可能非常高。如果支持向量机的求解只用到内积运算，而在低维输入空间又存在某个函数 K(x, x′) ，它恰好等于在高维空间中这个内积，即K( x, x′) =<φ( x) ⋅φ( x′) > 。那么支持向量机就不用计 阅读全文

摘要： 一、什么是支撑向量机SVM （Support Vector Machine） SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对 阅读全文

摘要： 五、精准率和召回率的平衡 Precision-Recall 的平衡 六、精准率-召回率曲线 七、ROC曲线 Receiver Operation Characteristic Curve 描述 TPR 和 FPR 之间的关系 metrics.py 八、多分类问题中的混淆矩阵 我写的文章只是我自己对b 阅读全文

摘要： 一、准确度的陷阱和混淆矩阵 分类算法的评价 分类准确度的问题： 一个安正预测系统，输入体检信息，就可以判断是否有癌症， 预测准确度：99.9% 如果癌症产生的概率只有0.01% 我们系统预测所有人都是健康的，可达到99.99%的准确度。 对于极度偏斜 (Skewed Data）的数据 只使用分类准确 阅读全文

摘要： 五、决策边界 六、在逻辑回归中使用多项式特征 七、scikit-learn中的逻辑回归 八、OvR与OvO 我写的文章只是我自己对bobo老师讲课内容的理解和整理，也只是我自己的弊见。bobo老师的课 是慕课网出品的。欢迎大家一起学习。 我写的文章只是我自己对bobo老师讲课内容的理解和整理，也只是 阅读全文