导航

09 2019 档案

Adaboost分类器

摘要：Adaboost分类器 2019-08-31 非集成的机器学习算法就像古代皇帝一样，一个人说了算；集成学习算法类似于现在的国会，需要听取在会所有人的意见。 Adaboost是一个集成学习算法，下面将会对算法进行拆解，以使我们明白Adaboost的内部原理。 Adboost算法核心内容可以划分为两个问 阅读全文

posted @ 2019-09-11 12:35 司恩波 阅读(602) 评论(0) 推荐(0)

模型性能评估

摘要：模型性能评估 模型性能评估是为了评价模型的泛化能力，模型性能评估主要有两个问题要解决： 1）用什么数据来评估？ 2）用什么标准来评估？ 下面的第一节内容主要解答用什么数据来评估模型的性能，第二节解答用什么标准来评估。 1.用什么数据来评估模型性能 常用的有3中，按照复杂程度程度排序分别为： 1）训练 阅读全文

posted @ 2019-09-11 11:12 司恩波 阅读(1417) 评论(0) 推荐(0)

特征提取（机器学习数据预处理）

摘要：特征提取（机器学习数据预处理） 特征提取与特征选择都是数据降维的技术，不过二者有着本质上的区别；特征选择能够保持数据的原始特征，最终得到的降维数据其实是原数据集的一个子集；而特征提取会通过数据转换或数据映射得到一个新的特征空间，尽管新的特征空间是在原特征基础上得来的，但是凭借人眼观察可能看不出新数据 阅读全文

posted @ 2019-09-11 10:50 司恩波 阅读(18097) 评论(0) 推荐(1)

决策树（DecisionTree）(附源码)

摘要：决策树（DecisionTree） 决策树所属类别：监督学习，分类 优点：直观易懂，算法简单 缺点：容易过拟合，对连续型数据不太容易实现 实现方案：ID3，CART，C4.5 详细的资料见连接：别人写的很详细的决策树 这篇博客主要把重点放在决策树程序的实现上，也仅实现了ID3算法，对其他两个算法仅作 阅读全文

posted @ 2019-09-11 10:16 司恩波 阅读(1464) 评论(0) 推荐(0)

支持向量机（SVM）

摘要：支持向量机（SVM） 算法分类：监督算法，分类算法 1.SVM算法简介 SVM是分类算法中比较特殊的一种，它并不像LR算法那样使用到所有数据进行模型训练，SVM虽然也使用了全部数据，但是绝大部分数据只参与约束条件的限制，不参与最终模型参数的训练。SVM的目标是分类最大化分类间隔，何为最大化分类间隔， 阅读全文

posted @ 2019-09-11 09:09 司恩波 阅读(490) 评论(0) 推荐(0)

Python机器学习/LogisticRegression（逻辑回归模型）（附源码）

摘要：LogisticRegression（逻辑回归） 逻辑回归虽然名称上带回归，但实际上它属于监督学习中的分类算法。 1.算法基础 LogisticRegression基本架构源自于Adline算法，只是在激励函数的选择上有所不同，Adline算法使用恒等函数作为激励函数，而Logistic选用sigm 阅读全文

posted @ 2019-09-10 20:19 司恩波 阅读(2137) 评论(0) 推荐(0)

机器学习大致流程

摘要：机器学习大致流程 2019-08-25 1.机器学习分类 机器学习主要分3大类，分别是：监督学习，强化学习，无监督学习，其中主要的区别如下所示。 1.1 监督学习 训练数据的标签（即样本的输出）已知，通过训练数据的标签作为反馈，对模型训练的学习方法称为监督学习；常见的子类有分类和回归两项； 1.2 阅读全文

posted @ 2019-09-10 16:41 司恩波 阅读(7634) 评论(0) 推荐(1)

机器学习的数据预处理

摘要：机器学习的数据预处理 数据预处理是在机器学习算法开始训练之前对原始数据进行筛选，填充，去抖，类别处理，降维等操作；有的方法可以防止由于数据的原因导致的算法无法工作，有的方法可以加速机器学习算法的训练，提高算法的精度。 1.缺失数据的处理 1.1查看数据确缺失情况 举个例子说明如何查看数据缺失的情况： 阅读全文

posted @ 2019-09-08 14:30 司恩波 阅读(2618) 评论(0) 推荐(0)

tensorflow的断点续训

摘要：tensorflow的断点续训 2019-09-07 顾名思义，断点续训的意思是因为某些原因模型还没有训练完成就被中断，下一次训练可以在上一次训练的基础上继续训练而不用从头开始；这种方式对于你那些训练时间很长的模型来说非常友好。 如果要进行断点续训，那么得满足两个条件： （1）本地保存了模型训练中的 阅读全文

posted @ 2019-09-07 21:19 司恩波 阅读(4890) 评论(0) 推荐(0)

tensorboard可视化详细

摘要：tensorboard可视化详细 2019-09-06 tensorboard可视化的官方学习链接 1.tensorboard可视化的用途 首要的目的是记录tensorflow的Graph，tensorflow的Graph其实就是具象化的算法模型；可以认为tensorflow用Graph来替代我们平 阅读全文

posted @ 2019-09-07 20:57 司恩波 阅读(19927) 评论(0) 推荐(2)