机器学习 - 随笔分类 - 不知道的痛

摘要：文章目录机器学习模型评估分类模型回归模型聚类模型交叉验证中指定scoring参数网格搜索中应用机器学习模型评估以下方法，sklearn中都在sklearn.metrics类下，务必记住哪些指标适合分类，那些适合回归，不能混着用分类的模型大多是Classifi... 阅读全文

posted @ 2018-11-01 17:07 不知道的痛阅读(9983) 评论(0) 推荐(0)

摘要：文章目录1.介绍2. scoring参数2.1 预定义的值2.2 从metric函数定义你的scoring策略2.3 实现你自己的scoring对象3. 分类metrics3.1 二分类/多分类/多标签3.2 accuracy_score3.3 Cohen’... 阅读全文

posted @ 2018-10-25 19:15 不知道的痛阅读(1245) 评论(0) 推荐(0)

摘要：贝叶斯分类器原理：基于先验概率P(Y)，利用贝叶斯公式计算后验概率P(Y/X)（该对象属于某一类的概率），选择具有最大后验概率的类作为该对象所属类特点：数据可离散可连续；对数据缺失、噪音不敏感；若属性相关性小，分类效果好，相关也不低于决策树朴素贝叶斯算法学习... 阅读全文

posted @ 2018-10-14 17:04 不知道的痛阅读(6960) 评论(0) 推荐(0)

摘要：参考文章：《Python大战机器学习》（不好，就是官方文档的中文版再加上几个简单的例子）数据挖掘十大算法–K近邻算法机器学习笔记—KNN算法常用样本相似性和距离度量方法KNN（K近邻法）输入为实例的特征向量，计算新数据与训练数据之间的距离，选取K个距离最近的... 阅读全文

posted @ 2018-10-14 17:02 不知道的痛阅读(932) 评论(0) 推荐(0)

摘要：问题提出及正则化的引入正则化的提出同样是解决模型过拟合问题，之前提出的特征组合来训练模型，当训练次数足够多时，损失会降低到非常的低，但却会出现过拟合问题。如图迭代次数足够多，模型的复杂度也越高。可见一个好的模型和损失、模型的复杂度都有关。所以，训练优化算法是... 阅读全文

posted @ 2018-09-23 19:12 不知道的痛阅读(388) 评论(0) 推荐(0)

摘要：上次提到了通过划分数据集为训练集和测试集，并不断迭代训练模型，通过测试集对模型进行评估，进而不断调整超参数，来解决过拟合问题。但是还会出现问题按数据集分成训练集和测试集不断迭代训练模型的方式，每次迭代时，我们都会对训练数据进行训练并评估测试数据，并以基于... 阅读全文

posted @ 2018-09-11 19:11 不知道的痛阅读(652) 评论(0) 推荐(0)

摘要：泛化 (Generalization) 是什么先解释什么是泛化。Generalization，一般化，泛化。就是把训练所得模型应用于新的样本数据进行预测的过程。在模型的训练过程中，存在一种现象：模型与训练样本数据过于符合(匹配)，但未必对于新的数据也有非常O... 阅读全文

posted @ 2018-09-09 21:08 不知道的痛阅读(295) 评论(0) 推荐(0)

摘要：以下内容只需了解，理解更好；像梯度下降法这些机器学习算法都已经被机器学习框架所集成了，只要会用就好通过迭代减少损失梯度下降法个人对减小损失的理解理想的步长 α随机梯度下降法（SGD）小批量随机梯度下降法（小批量 SGD）通过迭代减少损失如图所示，机器学习... 阅读全文

posted @ 2018-09-05 19:44 不知道的痛阅读(354) 评论(0) 推荐(0)

摘要：线性回归模型视频和文章中分别描述了两个例子：通过房屋面积来预测房价，通过虫鸣声来预测温度通过虫鸣声来预测温度,如图线性关系很简单，不难理解，这里的 y’ 使我们预测的值，b 是偏差，W1 是特征1的权重，X1 是特征1对于多个特征 Xi 而言，我... 阅读全文

posted @ 2018-09-04 20:22 不知道的痛阅读(173) 评论(0) 推荐(0)

摘要：问题提出如何创建模型如何结合输入的数据(信息)进行合理的预测课程中是以垃圾邮件分类为案例展开的在训练垃圾分类模型时，我们会提供大量的有标签样本进行创建、学习、预测模型，然后通过无标签样本来预测该样本的标签所属。整个流程大概是这样，然后，什么是样本？标签... 阅读全文

posted @ 2018-09-03 19:43 不知道的痛阅读(179) 评论(0) 推荐(0)

不知道的痛