随笔分类 -  ML

Machine Learning.
KMeans算法分析以及实现
摘要：KMeans KMeans是一种无监督学习聚类方法, 目的是发现数据中数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。 无监督学习,也就是没有对应的标签,只有数据记录.通过KMeans聚类,可以将数据划分成一个簇,进而发现数据之间的关系. 原理 KMeans算法 阅读全文
posted @ 2018-11-26 21:59 April15 阅读(871) 评论(0) 推荐(0)
决策树(ID3,C4.5,CART)原理以及实现
摘要：决策树 决策树是一种基本的分类和回归方法.决策树顾名思义,模型可以表示为树型结构,可以认为是if then的集合,也可以认为是定义在特征空间与类空间上的条件概率分布. [图片上传失败...(image 2e6565 1543139272117)] 决策树的中间节点可以看做是对一种特征的判断,也是符合 阅读全文
posted @ 2018-11-25 17:50 April15 阅读(1090) 评论(0) 推荐(0)
[数据可视化之一]Pandas单变量画图
摘要：Pandas单变量画图 Bar Chat Line Chart Area Chart Histogram df.plot.bar() df.plot.line() df.plot.area() df.plot.hist() 适合定类数据和小范围取值的定序数据 适合定序数据和定距数据 适合定序数据和定 阅读全文
posted @ 2018-10-13 11:33 April15 阅读(1592) 评论(0) 推荐(0)
K近邻算法小结
摘要：什么是K近邻? K近邻一种非参数学习的算法，可以用在分类问题上，也可以用在回归问题上。 什么是非参数学习？ 一般而言，机器学习算法都有相应的参数要学习，比如线性回归模型中的权重参数和偏置参数，SVM的C和gamma参数，而这些参数的学习又依赖一定的学习策略。相比较而言，k近邻算法可以说是最简单，也是 阅读全文
posted @ 2018-04-06 16:37 April15 阅读(701) 评论(0) 推荐(0)
调参必备---GridSearch网格搜索
摘要：什么是Grid Search 网格搜索？ Grid Search：一种调参手段； 穷举搜索 ：在所有候选的参数选择中，通过循环遍历，尝试每一种可能性，表现最好的参数就是最终的结果。其原理就像是在数组里找最大值。（为什么叫网格搜索？以有两个参数的模型为例，参数a有3种可能，参数b有4种可能，把所有可能 阅读全文
posted @ 2018-04-03 21:14 April15 阅读(37234) 评论(3) 推荐(5)
几种交叉验证（cross validation）方式的比较
摘要：模型评价的目的：通过模型评价，我们知道当前训练模型的好坏，泛化能力如何？从而知道是否可以应用在解决问题上，如果不行，那又是哪里出了问题？ train_test_split 在分类问题中，我们通常通过对训练集进行train_test_split，划分成train 和test 两部分，其中train用来 阅读全文
posted @ 2018-04-03 13:05 April15 阅读(31943) 评论(2) 推荐(7)
从Iris数据集开始---机器学习入门
摘要：代码多来自《Introduction to Machine Learning with Python》. 该文集主要是自己的一个阅读笔记以及一些小思考，小总结。 前言 在开始进行模型训练之前，非常有必要了解准备的数据：数据的特征，数据和目标结果之间的关系是什么？ 而且这可能是机器学习过程中最重要的部 阅读全文
posted @ 2018-03-30 21:31 April15 阅读(889) 评论(0) 推荐(0)