IP屬地：遼寧
-
幾句話之Adaboost，GBDT，XGBoostAdaboost 分類 GBDT(Gradient Boosting Decision Tree) 梯度提升樹(shù) XGBoost XGboost原...
-
幾句話之Bagging，隨機(jī)森林，BoostingBagging 隨機(jī)森林 隨機(jī)森林=決策樹(shù)+Bagging Boosting
-
幾句話之Cart樹(shù)準(zhǔn)備工作 如果我們要把樣本畫(huà)成一棵樹(shù)（這棵樹(shù)可以用來(lái)查找最近鄰或者是分類），那我們最想知道的就是：拿哪個(gè)特征去拆分樣本，并且要具體到拿哪個(gè)特征的...
-
幾句話之決策樹(shù)
準(zhǔn)備工作 學(xué)習(xí)決策樹(shù)，要先了解信息熵和信息增益等概念。參考：https://blog.csdn.net/zhengudaoer/article/...
-
幾句話之KNN和Kd-treeKNN（k-NearestNeighbor） 主要做分類。也可以做回歸，回歸的是某一個(gè)屬性或特征值。找一下周圍的鄰居們，看鄰居們是什么，就大概知...
-
幾句話之邏輯回歸和Softmax回歸
邏輯回歸 用sigmoid函數(shù)，把線性回歸的結(jié)果進(jìn)行壓縮，壓縮到0~1之間。然后，把壓縮結(jié)果和分類輸出y（假設(shè)是0和1）對(duì)應(yīng)起來(lái)：壓縮結(jié)果>0....
-
幾句話之梯度下降背景 整理一下機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的知識(shí)。記憶力下降的厲害，不整理無(wú)動(dòng)力學(xué)習(xí)，寫(xiě)博客大概是自我救贖的好途徑吧。 梯度下降幾句話 內(nèi)容轉(zhuǎn)載自：htt...
-
向量的內(nèi)積和外積
背景 把學(xué)過(guò)的數(shù)學(xué)知識(shí)整理一下，雖然一時(shí)用不到，但相信將來(lái)的某個(gè)時(shí)間點(diǎn)，會(huì)有用武之地的。 1 向量，向量的模，數(shù)量積（內(nèi)積，點(diǎn)積），向量積（外積...
-
VS2015遇到error：計(jì)算機(jī)中缺失cublas64_100.dll1 問(wèn)題 VS2015運(yùn)行一個(gè)工程時(shí)（工程中調(diào)用了一些dll文件），遇到error：無(wú)法啟動(dòng)此程序，因?yàn)橛?jì)算機(jī)中缺失cublas64_100.d...