机器学习 - 随笔分类 - foghorn

集成学习的种类

摘要：集成学习的分类 bagging 从训练集从进行子抽样组成每个基模型所需要的子训练集，对所有基模型预测的结果进行综合产生最终的预测结果。 boosting 训练过程为阶梯状，基模型按次序一一进行训练（实现上可以做到并行），基模型的训练集按照某种策略每次都进行一定的转化。对所有基模型预测的结果进行线性综阅读全文

posted @ 2022-02-12 21:24 foghorn 阅读(395) 评论(0) 推荐(0) |

sklearn决策树参数总结

摘要：sklearn文档参数描述函数签名 class sklearn.tree.DecisionTreeClassifier(*, criterion='gini', splitter='best', max_depth=None, min_samples_split=2, min_samples_le 阅读全文

posted @ 2022-02-12 19:57 foghorn 阅读(387) 评论(0) 推荐(0) |

机器学习常见问题

摘要：模型有过拟合的现象，过拟合怎么办？降低模型复杂度增加更多的训练数据：使用更大的数据集训练模型数据增强正则化：L1、L2、添加BN层添加Dropout策略 Early Stopping 重新清洗数据：把明显异常的数据剔除使用集成学习方法：把多个模型集成在一起，降低单个模型的过拟合风险 L1 阅读全文

posted @ 2021-12-29 10:56 foghorn 阅读(64) 评论(0) 推荐(0) |

决策树

摘要：决策树思维导图[3] 1 信息论基础 1.1 熵熵是度量样本集合纯度最常用的一种指标。假定当前样本集合$D$中第$k$类样本所占的比例为$p_{k}(k=1,2,...,|K|)$，则样本集合$D$的熵定义为： $Ent(D)=-\sum_{k=1}^{K}p_{k}log_{2}p_{k}$ 阅读全文

posted @ 2021-10-30 23:15 foghorn 阅读(386) 评论(0) 推荐(0) |

sklearn中的LabelEncoder和OneHotEncoder的区别

摘要：LabelEncoder和OneHotEncoder的区别下面是一个使用 Python sci-kit 包中 LableEncoder 和 OneHotEncoder 的具体例子：可以看出，LabelEncoder会将object类型的数据按顺序编码，如0，1，2，3。而OneHotEncode 阅读全文

posted @ 2021-09-09 22:54 foghorn 阅读(264) 评论(0) 推荐(0) |

生成模型与判别模型

摘要：决策函数监督学习的目标是学习到一个模型，通过这个模型对给定的输入，得到一个特定的输出，从而预测该数据的类别。这个模型对应的函数一般是$Y = f(X)$或者$P(Y|X)$。对于决策函数$Y = f(X)$类型，一般需要设置一个阈值用于判断属于哪个类别；对于条件概率分布$P(Y|X)$，只需要选取阅读全文

posted @ 2021-09-08 22:49 foghorn 阅读(165) 评论(0) 推荐(0) |

机器学习常用损失函数

摘要：机器学习三要素——模型、学习准则、优化算法。其中学习准则可以简单理解为损失函数，优化算法就是用来优化损失函数的。根据任务不同，损失函数可以分为回归损失函数和分类损失函数，每种类别的损失函数有很多种，不同的损失函数的形式以及出发点都不同，在实际应用中，根据任务的需要，选取合适的损失函数是非常关键的，它阅读全文

posted @ 2021-08-30 19:42 foghorn 阅读(575) 评论(0) 推荐(0) |

Logistic回归

摘要：导读逻辑回归（LR）是一种分类模型，一般用于解决二分类问题，当然也可以扩展到多分类问题上。为什么要引入逻辑回归来解决分类问题呢？因为线性模型如果用于分类问题会有很大的问题。如上图所示，对于左边一幅图，我们用线性模型去拟合，并规定超过阈值0.5的为一类，小于0.5的为另一类，可以很好地将两类区分开阅读全文

posted @ 2021-08-27 15:51 foghorn 阅读(162) 评论(0) 推荐(0) |

二分类如何推广到多分类问题

摘要：#0 导读现实中会遇到多分类任务。虽然我们可以用神经网络直接建模多分类问题，但在机器学习的早期，一般模型只能解决二分类问题，因此有必要了解如何将二分类问题推广到多分类问题。 #1 思路考虑$N$个类别$C_{1},C_{2},...C_{N}$，多分类学习的基本思路是“拆解法”，即将多分类任务拆阅读全文

posted @ 2021-08-25 15:41 foghorn 阅读(1075) 评论(0) 推荐(0) |

机器学习中的评价指标

摘要：#0 概述为了衡量一个机器学习模型的好坏，需要给定一个测试集，用模型对测试集中的每个样本进行预测，并根据预测结果计算评价分数。对于分类问题，常见的评价指标有准确率、精确率、召回率和F值等。给定测试集$\tau =\left { \left ( \pmb{x}{(1)},y{(1)} \right 阅读全文

posted @ 2021-07-20 12:45 foghorn 阅读(202) 评论(0) 推荐(0) |

矩阵求导

摘要：#0 矩阵求导的本质矩阵$A$对矩阵$B$求导：矩阵$A$中的每个元素分别对矩阵$B$中的每个元素求导。 | 因变量 | 自变量 | 导数个数 | | : | : | : : | | $A_{1\times 1}$ | $B_{1\times 1}$ | 1个导数 | | \(A_{m\t 阅读全文

posted @ 2021-07-03 15:37 foghorn 阅读(269) 评论(0) 推荐(0) |

foghorn

公告

随笔分类 - 机器学习