發(fā)簡信
IP屬地：江西
-
邏輯回歸總結(jié)
1、對邏輯回歸的理解 （1）邏輯回歸解決分類的問題 線性回歸不能解決分類問題，但是如果將樣本的特征和樣本發(fā)生的概率聯(lián)系起來，即預(yù)測的是樣本發(fā)生的...
-
機(jī)器學(xué)習(xí)中的偏差和方差1、定義 在機(jī)器學(xué)習(xí)中，過擬合和欠擬合都會使訓(xùn)練好的機(jī)器學(xué)習(xí)模型在真實(shí)的數(shù)據(jù)中出現(xiàn)錯(cuò)誤。我們將錯(cuò)誤分為偏差和方差兩類。 偏差（bias）：描述模...
-
機(jī)器學(xué)習(xí)最優(yōu)化方法之梯度下降
1、梯度下降出現(xiàn)的必然性 利用最小二乘法求解線性回歸的參數(shù)時(shí)，求解的過程中會涉及到矩陣求逆的步驟。隨著維度的增多，矩陣求逆的代價(jià)會越來越大，而且...
-
機(jī)器學(xué)習(xí)之線性回歸模型
回歸模型 機(jī)器學(xué)習(xí)中的模型分類方法很多，如果按照label的變量類型分，可分為分類模型和回歸模型。分類模型的label為離散的類別型變量，而回歸...
-
特征工程中數(shù)據(jù)預(yù)處理方法總結(jié)特征工程 “巧婦難為無米之炊”，在機(jī)器學(xué)習(xí)中，數(shù)據(jù)和特征便是“米”，而模型和算法則是“巧婦”。沒有充足的數(shù)據(jù)和合適的特征，再強(qiáng)大的模型也無法擬合...
-
模型評價(jià)指標(biāo)總結(jié)1、分類準(zhǔn)確度 定義：分類準(zhǔn)確度（accuracy），指在分類模型中，模型的輸出分類結(jié)果與真實(shí)結(jié)果一致的樣本占總分類樣本的比例。 優(yōu)缺點(diǎn)：其容易...
-
KNN 知識點(diǎn)總結(jié)
1、簡介 knn，the k nearestNeighbor，也就是最k個(gè)鄰居的意思。因此涉及到兩個(gè)變量的問題，k的選擇以及距離的選擇。 對于k...