2018年11月16日
3. 集成学习（Ensemble Learning）随机森林（Random Forest）
摘要： "1. 集成学习（Ensemble Learning）原理" "2. 集成学习（Ensemble Learning）Bagging" "3. 集成学习（Ensemble Learning）随机森林（Random Forest）" "4. 集成学习（Ensemble Learning）Adaboost 阅读全文
posted @ 2018-11-16 18:34 hyc339408769 阅读(6830) 评论(0) 推荐(0)
4. 集成学习（Ensemble Learning）Adaboost
摘要： "1. 集成学习（Ensemble Learning）原理" "2. 集成学习（Ensemble Learning）Bagging" "3. 集成学习（Ensemble Learning）随机森林（Random Forest）" "4. 集成学习（Ensemble Learning）Adaboost 阅读全文
posted @ 2018-11-16 16:14 hyc339408769 阅读(4579) 评论(0) 推荐(0)
2. 特征工程之特征选择
摘要： "1. 特征工程之特征预处理" "2. 特征工程之特征选择" 1. 前言 当数据预处理完成后，我们需要选择有意义的特征输入机器学习的算法和模型进行训练。 2. 特征选择的方法 通常来说，从两个方面考虑来选择特征： + 特征是否发散：如果一个特征不发散，例如方差接近于0，也就是说样本在这个特征上基本上 阅读全文
posted @ 2018-11-16 10:17 hyc339408769 阅读(3518) 评论(0) 推荐(0)