發(fā)簡(jiǎn)信
IP屬地：廣東
-
機(jī)器學(xué)習(xí)之XGBoost(簡(jiǎn)單理解)這篇文章打算介紹一下boosting 和xgboost，這兩天也看了好多文章，也感覺了解的不深，算是做個(gè)記錄。 Boost算法 先簡(jiǎn)單提一下Ba...
-
Android開發(fā)新項(xiàng)目的準(zhǔn)備工作
Android開發(fā)新項(xiàng)目的準(zhǔn)備工作： 把所有的BeanClass(序列化，反序列化的類，Model類)單獨(dú)放一個(gè)文件夾，混淆的時(shí)候直接exclu...
-
機(jī)器學(xué)習(xí)之GBDT(簡(jiǎn)單理解)之前簡(jiǎn)單介紹過決策樹，這篇文章簡(jiǎn)單介紹一下GBDT(Gradient Boosting Decision Tree). Gradient Boo...
-
機(jī)器學(xué)習(xí)之分類回歸樹(python實(shí)現(xiàn)CART)之前有文章介紹過決策樹（ID3）。簡(jiǎn)單回顧一下：ID3每次選取最佳特征來(lái)分割數(shù)據(jù)，這個(gè)最佳特征的判斷原則是通過信息增益來(lái)實(shí)現(xiàn)的。按照某種特征切分...
-
機(jī)器學(xué)習(xí)之SVM(簡(jiǎn)單理解)應(yīng)該對(duì)現(xiàn)有流行并將繼續(xù)流行下去的分類模型有深刻的了解。隨機(jī)森林和支持向量機(jī)(svm)上篇文章簡(jiǎn)單介紹了隨機(jī)森林，這篇文章簡(jiǎn)單介紹一下支持向量機(jī)(...
-
機(jī)器學(xué)習(xí)之隨機(jī)森林(簡(jiǎn)單理解)之前簡(jiǎn)單介紹了決策樹，這篇文章簡(jiǎn)單介紹一下隨機(jī)森林以及優(yōu)缺點(diǎn)。 集成學(xué)習(xí) 通過構(gòu)建并結(jié)合多個(gè)分類器來(lái)完成學(xué)習(xí)任務(wù)。將多個(gè)學(xué)習(xí)器進(jìn)行結(jié)合，常比獲得...
-
機(jī)器學(xué)習(xí)之k-means聚類算法(python實(shí)現(xiàn))上次簡(jiǎn)單介紹了kNN算法，簡(jiǎn)單來(lái)說(shuō)，通過計(jì)算目標(biāo)值與樣本數(shù)據(jù)的距離，選取k個(gè)最近的值，用出現(xiàn)概率大的分類值代表目標(biāo)值的分類，算法實(shí)現(xiàn)比較簡(jiǎn)單，屬...
-
機(jī)器學(xué)習(xí)之決策樹ID3(python實(shí)現(xiàn))機(jī)器學(xué)習(xí)中，決策樹是一個(gè)預(yù)測(cè)模型；代表對(duì)象屬性和對(duì)象值之間的一種映射關(guān)系。樹中每個(gè)節(jié)點(diǎn)表示某個(gè)對(duì)象，而每個(gè)分叉表示某個(gè)可能的屬性，每個(gè)葉子節(jié)點(diǎn)則...
-
機(jī)器學(xué)習(xí)之kNN算法(純python實(shí)現(xiàn))前面文章分別簡(jiǎn)單介紹了線性回歸，邏輯回歸，貝葉斯分類，并且用python簡(jiǎn)單實(shí)現(xiàn)。這篇文章介紹更簡(jiǎn)單的 knn， k-近鄰算法（kNN，k-Ne...