摘要：
1. 常用的归一化。各自的作用 机器学习-数据归一化及哪些算法需要归一化 2. KMeans的步骤以及其他的聚类算法 K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算 其他聚类算法：二分K-均值 讲解一下步骤，其实就是说明一下伪代码 二分K-均值：（基于SSE的划分） 该 阅读全文
posted @ 2019-03-21 17:37
墨麟非攻
阅读(225)
评论(0)
推荐(0)
摘要：
一、什么是过拟合？ 简单的说，就是对模型过度训练，把"训练数据学的太好了"。如下图所示： 通过上图可以看出，随着训练的进行，训练损失逐渐减小，而验证损失先降后升，此时便发生了过拟合。即模型的复杂度升高，但是泛化能力却降低。 降低过拟合的方法：数据集扩增（Data augmentation）、正则化（ 阅读全文
posted @ 2019-03-21 17:36
墨麟非攻
阅读(829)
评论(0)
推荐(0)
摘要：
一、数据为什么需要归一化处理？ 归一化的目的是处理不同规模和量纲的数据，使其缩放到相同的数据区间和范围，以减少规模、特征、分布差异对模型的影响。 方法： 1. 极差变换法 2. 0均值标准化（Z-score方法） 1. Max-Min（线性归一化） Max-Min归一化是对原始数据进行线性变化，利用 阅读全文
posted @ 2019-03-21 17:12
墨麟非攻
阅读(2541)
评论(0)
推荐(0)
浙公网安备 33010602011771号