wxquare的学习笔记

摘要： 转自：https://www.quora.com/What-are-the-advantages-of-different-classification-algorithms There are a number of dimensions you can look at to give you a sense of what will be a reasonable algorithm to ... 阅读全文

摘要： 决策树模型在监督学习中非常常见，可用于分类（二分类、多分类）和回归。虽然将多棵弱决策树的Bagging、Random Forest、Boosting等tree ensembel 模型更为常见，但是“完全生长”决策树因为其简单直观，具有很强的解释性，也有广泛的应用，而且决策树是tree ensembl 阅读全文

摘要： 转载地址：http://blog.csdn.net/w28971023/article/details/8240756 GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树 阅读全文

摘要： 课程地址：https://class.coursera.org/ntumltwo-002/lecture 之前看过别人的竞赛视频，知道GBDT这个算法应用十分广泛。林在第八讲，简单的介绍了AdaBoost，这一讲会更深入的从优化的角度看AdaBoost，然后引出GBDT算法，最后林对最近几讲的集成学习模型（Aggregation Models）做了个很棒的总结。 一、RandomFores... 阅读全文

摘要： 课程地址：https://class.coursera.org/ntumltwo-002/lecture 重要！重要！重要~ 一、随机森林（RF） 1.RF介绍 RF通过Bagging的方式将许多个CART组合在一起，不考虑计算代价，通常树越多越好。 RF中使用CART没有经过剪枝操作，一般会有比较大的偏差（variance），结合Bagging的平均效果可以降低CART的... 阅读全文

摘要： 课程地址：https://class.coursera.org/ntumltwo-002/lecture 重要！重要！重要~ 一、决策树（Decision Tree）、口袋（Bagging），自适应增强（AdaBoost） Bagging和AdaBoost算法再分类的时候，是让所有的弱分类器同时发挥作用。它们之间的区别每个弱分离器是否对后来的blending生成G有相同... 阅读全文

摘要： 课程地址：https://class.coursera.org/ntumltwo-002/lecture 重要！重要!重要~ 一、Adaptive Boosting 的动机 通过组合多个弱分类器（hypothese），构建一个更强大的分类器（hypothese），从而达到“三个臭皮匠赛过诸葛亮”的效果。 例如实际中，可以通过简单的“横”“竖”组成比较复杂的模型。 二、样本权重 ... 阅读全文

摘要： 课程地址：https://class.coursera.org/ntumltwo-002 重要！重要！重要~ 一、神经网络（NNet）的动机 神经网络有很久的历史，由感知机（perceptron）模型发展而来。单个的perceptron只能处理线性问题，通过组合（融合）多个perceptron，相当 阅读全文

摘要： 1、基本抓取网页 2、使用代理IP 在开发爬虫过程中经常会遇到IP被封掉的情况，这时就需要用到代理IP； 在urllib2包中有ProxyHandler类，通过此类可以设置代理访问网页，如下代码片段： 3、Cookies处理 cookies是某些网站为了辨别用户身份、进行session跟踪而储存在用 阅读全文

摘要： http://kukuruku.co/hub/python/introduction-to-machine-learning-with-python-andscikit-learn Hello, %username%! My name is Alex. I deal with machine lea 阅读全文