發(fā)簡(jiǎn)信
IP屬地：北京
-
特征選擇的方法
特征選擇的好處 便于理解和可視化數(shù)據(jù)，降低計(jì)算及存儲(chǔ)壓力，對(duì)抗維數(shù)災(zāi)難提高準(zhǔn)確率，增加模型泛化能力； 總結(jié)一 三大主流方法：過(guò)濾式，包裹式，嵌入...
-
損失函數(shù)
聊聊機(jī)器學(xué)習(xí)中的損失函數(shù) 機(jī)器學(xué)習(xí)中的損失函數(shù) 平方損失（線性回歸） 對(duì)數(shù)損失（交叉熵?fù)p失 softmax, logstic） 最大熵原理(引出...
-
決策樹(shù)處理連續(xù)值，缺失值
簡(jiǎn)書(shū)：決策樹(shù)會(huì)有哪些特性？知乎：決策樹(shù)是如何處理不完整數(shù)據(jù)的？ 1. 連續(xù)值如何劃分？ C4.5：Information Gain （Ratio...
-
如何解決類別不平衡問(wèn)題？
如何解決類別不平衡問(wèn)題？ 對(duì)大類欠采樣，或者對(duì)小類過(guò)采樣； 設(shè)置不同的學(xué)習(xí)率，大類權(quán)值小，小類權(quán)值大； 使用一些對(duì)樣本分布不敏感的評(píng)價(jià)指標(biāo)，F(xiàn)1...
-
方差和偏差博客：http://liuchengxu.org/blog-cn/posts/bias-variance/ 誤差一般包含偏差，方差和噪聲 偏差：...
-
過(guò)擬合原因和方法
過(guò)擬合的原因 數(shù)據(jù)方面，比如數(shù)據(jù)不規(guī)范，數(shù)據(jù)量少，還有可能是數(shù)據(jù)穿越（統(tǒng)計(jì)特征用到了未來(lái)的信息或者標(biāo)簽信息）； 算法方面，模型過(guò)于復(fù)雜； 防止過(guò)...
-
極大似然估計(jì)&最小二乘
最大似然估計(jì) 似然函數(shù)：這個(gè)函數(shù)反應(yīng)的是在不同的參數(shù)θ取值下，取得當(dāng)前這個(gè)樣本集的可能性，因此稱為參數(shù)θ相對(duì)于樣本集X的似然函數(shù)。 最大似然估計(jì)...
-
LR模型的特征歸一化和離散化
知乎問(wèn)題：https://www.zhihu.com/question/31989952 為什么LR需要?dú)w一化或者取對(duì)數(shù)？ 歸一化:可以提高收斂...
-
L1和L2正則直觀理解博客：http://blog.csdn.net/zouxy09/article/details/24971995博客：http://blog.c...