摘要： 在前段时间做本科毕业设计的时候，遇到了各个类别的样本量分布不均的问题——某些类别的样本数量极多，而有些类别的样本数量极少，也就是所谓的类不平衡（class-imbalance）问题。 本篇简述了以下内容： 什么是类不平衡问题 为什么类不平衡是不好的 几种解决方案 SMOTE过采样算法 进一步阅读 什 阅读全文

摘要： 在做阿里的o2o优惠券预测的时候学习了GBDT。听闻GBDT的威力，自然要学习学习。 接下来从以下几个方面记录下我对于GBDT的理解。 GBDT的用途，优势 GBDT的结构和算法流程 GBDT如何训练 Sklearn 的GBDT使用，参数意义 GBDT的用途，优势： GBDT(Gradient Bo 阅读全文

摘要： 1、使用pip简单安装 First, make sure you obtained gcc-5 (newer version does not work with this method yet). Note: installation of gcc can take a while (~ 30 m 阅读全文

摘要： XGBoost 与 Boosted Tree http://www.52cs.org/?p=429 作者：陈天奇，毕业于上海交通大学ACM班，现就读于华盛顿大学，从事大规模机器学习研究。 注解：truth4sex 编者按：本文是对开源xgboost库理论层面的介绍，在陈天奇原文《梯度提升法和Boos 阅读全文

摘要： new_value = (value - min)/(max-min) 阅读全文

摘要： 前言： 刚开始看到线性回归，总觉得这是不是和罗辑回归又啥关系。 对比一下吧。 线性回归用于数值预测，罗辑回归用于分类。 对于罗辑回归 来说，用于分类的神经网络的最后一层也是一个罗辑回归。 线性回归： 线性回归比较简单，找到一条最佳直线来拟合数据。拟合的目标可以是均方误差最小。 求最优的线性回归直线的 阅读全文

摘要： (很多讲逻辑回归的文章都没有给出详细的推导，只是列出最后的计算公式，今天在网上看到一篇解释得非常详细的文章，赶紧转载一下： 【机器学习笔记1】Logistic回归总结(http://blog.csdn.net/dongtingzhizi/article/details/15962797) 作者说"未 阅读全文

摘要： KNN与Kmeans感觉没啥联系，但是名字挺像的，就拿来一起总结一下吧。 初学者的总结。 KNN是监督学习，Kmeans是无监督学习。 KNN用于分类，Kmeans用于聚类。 先说KNN: 对于KNN，有一批已经标注好label的训练样本，将这批样本的数据转换为向量表示，然后选择度量向量距离的方式。 阅读全文

摘要： RDD全称叫做弹性分布式数据集(Resilient Distributed Datasets)，它是一种分布式的内存抽象，表示一个只读的记录分区的集合，它只能通过其他RDD转换而创建，为此，RDD支持丰富的转换操作(如map, join, filter, groupBy等)，通过这种转换操作，新的R 阅读全文

摘要： 基于邻域的算法是推荐系统中最基本的算法，该算法不仅在学术界得到了深入研究，而且在 业界得到了广泛应用。基于邻域的算法分为两大类，一类是基于用户的协同过滤算法，另一类是 基于物品的协同过滤算法。 基于用户的协同过滤算法： 该算法主要分为两个步骤： （1）找到和目标用户兴趣相似的用户的集合 （2）找到集 阅读全文