随笔分类 -  机器学习

机器学习总结与记录
sklearn训练模型的保存与加载
摘要：使用joblib模块保存于加载模型 在机器学习的过程中，我们会进行模型的训练，最常用的就是sklearn中的库，而对于训练好的模型，我们当然是要进行保存的，不然下次需要进行预测的时候就需要重新再进行训练。如果数据量小的话，那再重新进行训练是没有问题的，但是如果数据量大的话，再重新进行训练可能会花费很 阅读全文
posted @ 2019-12-03 22:23 百家齐鸣 阅读(2937) 评论(0) 推荐(3)
机器学习中样本不平衡的处理方法
摘要：在现实收集的样本中，正负类别不均衡是现实数据中很常见的问题。一个分类器往往 Accuracy 将近90%，但是对少数样本的判别的 Recall 却只有10%左右。这对于我们正确找出少数类样本非常不利。 举例来说：在一波新手推荐的活动中，预测用户是否会注册的背景下，不注册的用户往往是居多的，这个正负比 阅读全文
posted @ 2019-11-07 18:26 百家齐鸣 阅读(938) 评论(0) 推荐(0)
机器学习笔记（一）----基本概念
摘要：好记性不如烂笔头，打算以博客连载的方式把最近机器学习的一些学习笔记记下来，机器学习涉及的知识点很多，时间一长很容易遗忘，写在博客上也方便自己随时查阅及复习。学习笔记偏重实用工程，尽量不涉及复杂的数学推导。 机器学习分类 -- 监督学习：训练数据中带有标记（分类、回归）； -- 无监督学习：训练数据中 阅读全文
posted @ 2019-10-23 22:04 百家齐鸣 阅读(190) 评论(0) 推荐(0)
模型融合目录
摘要：Bagging 思想： Bagging 思想： 思想： Bagging就是通过Ｍ个弱模型的结果，通过并行集成的方式来获得最终结果。因为Ｍ个数据集是相互独立的，因此这Ｍ个弱模型之间也是相互独立的，在最终的集成结果时，每个模型的权重是一样的。这是和Boosting所不同的。 集成方式： 回归问题 Ｍ个模 阅读全文
posted @ 2019-09-29 23:44 百家齐鸣 阅读(165) 评论(0) 推荐(0)
算法汇总目录
摘要：机器学习算法： 机器学习理论基础学习1——频率派 VS 贝叶斯派 机器学习理论基础学习2——线性回归 机器学习理论基础学习3.1 Linear classification 线性分类之感知机PLA（Percetron Learning Algorithm） 机器学习理论基础学习3.2 Linear 阅读全文
posted @ 2019-09-29 23:43 百家齐鸣 阅读(194) 评论(0) 推荐(0)
一个完整的机器学习目录
摘要：一.问题建模 1.评价指标 1.1分类指标 二分类 精确率 P=TP/(TP+FP) 召回率 R=TP/(TP+FN) F1值 2PR/(P+R) P-R曲线 横轴是召回率0-1,纵轴为对应的召回率下的精确率 ROC曲线 横轴为假正率FPF=FP/(FP+TN),纵轴为真正率TPR=TP/(TP+F 阅读全文
posted @ 2019-09-29 23:25 百家齐鸣 阅读(480) 评论(0) 推荐(0)