雨后观山色

摘要： 1.主要内容 2.SVM的应用 (1)利用SVM处理分类问题 分类器的性能的评价指标： 应用案例： accuracy=3/6=0.5 precision=3/5=0.6 recall=3/4=0.75 3.代码示例 (1)鸢尾花SVM案例 #!/usr/bin/python # -*- coding 阅读全文

摘要： 1.主要内容 2.SVM 阅读全文

摘要： 1.XGBoost 2.Kaggle竞赛 案例：泰坦尼克号题目 (1)数据说明 (2)数据预处理 (3)数据处理 (4)预测 阅读全文

摘要： 1.主要内容 2.提升 (1)提升的概念 弱分类器与强分类器，若一个问题有弱分类器，则必有强分类器。弱分类器是指分类效果不怎么好的分类器，一般分类准确率在50-65%之间。 (2)提升算法 (3)提升算法推导 (4)梯度提升决策树GBDT (5)XGBoost 注意：了解推导过程即可。只需记得公式。 阅读全文

摘要： 1.决策树的缺点 上图，红色圈的部分就是剪枝的部分，进行后剪枝。 2.剪枝 3.随机森林 注意：随机森林所做的修改就是从所有属性中选择k个属性，再从k个属性中选择最佳的分割属性。 4.代码示例 (1)决策树案例 #!/usr/bin/python # -*- coding:utf-8 -*- imp 阅读全文

摘要： 1.主要内容 案例引出： 2.条件熵 定义： 条件熵的定义式推导： 上图以出去打网球的案例为例，根节点的熵是大于0的，最底层的子节点的熵是等于0的，以信息熵为度量，构造一颗熵值下降最快的树。 3.决策树 (1)决策树的样式 (2)决策树的定义 (3)决策树算法的特点 (4)生成决策树的算法 (5)互 阅读全文

摘要： 1.线性回归补充 图中1,2,3表示拟合的函数的最高次项的阶数。 机器学习的主要挑战是我们的算法必须能够在先前未观测的新输入上表现良好，而不只是在训练集上表现良好。在先前未观测到的输入上表现良好的能力被称为泛 化（generalization）。 通常，我们度量模型在训练集中分出来的测试集（test 阅读全文

摘要： 1.包安装 (1)安装指定的一个包 conda install package_name 注意：package_name为包的名称 例如要安装numpy,操作示例： 利用win+R键，进入cmd窗口 conda install numpy (2)同时安装多个包，可以输入 conda install 阅读全文

摘要： 1.回归的主要内容 2.相关理论 (1)线性回归 线性回归解决回归问题。换言之，我们的目标是建立一个系统，将向量 x ∈ Rn 作为输入，预测标量 y ∈ R 作为输出。线性回归的输出是其输入的线性函数。令 yˆ 表示模型预测 y 应该取的值。我们定义输出为： 阅读全文

摘要： 1. 操作步骤： 打开navicat软件，点击查询 新建查询，将粘贴如下代码。 select TABLE_NAME 表, COLUMN_NAME 列, COLUMN_TYPE 类型, IS_NULLABLE 允许为空, COLUMN_DEFAULT 默认值, COLUMN_COMMENT 描述 fr 阅读全文