首页
学习
活动
专区
工具
TVP
发布

机器学习算法与Python学习

专栏成员
1142
文章
1385581
阅读量
187
订阅数
机器学习分类算法
可是,你能够如数家珍地说出所有常用的分类算法,以及他们的特征、优缺点吗?比如说,你可以快速地回答下面的问题么:
昱良
2019-08-13
1.6K0
实践秘籍:Boosting 与 AdaBoost
源 / 机器之心 本文将尽可能详细地介绍有关 Boosting 和 AdaBoost 的相关概念。
昱良
2019-07-04
4110
万字长文 | 10种传统机器学习算法,阿里工程师总结 | 下
在这篇文章中我们将介绍10种常见的推荐算法,并且列举一些实际的例子,希望能对你的推荐算法学习带来些许帮助。
昱良
2019-07-04
4750
深度学习基础知识 | 上
MLP网络是一种应用最为广泛的一种网络,其中DNN就是属于MLP网络,它是一个前向结构的人工神经网络,输入一组向量向前传播输出向量,网络结构如下:
昱良
2019-07-04
6520
【算法面经】重读:机器学习面试算法梳理
找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,而随着科技的不断发展,相信这方面的人才需求也会越来越大。
昱良
2019-07-04
4480
【方法论】机器学习算法概览
工作机制:这个算法由一个目标变量或结果变量(或因变量)组成。这些变量由已知的一系列预示变量(自变量)预测而来。利用这一系列变量,我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续,直到模型在训练数据上获得期望的精确度。监督式学习的例子有:回归、决策树、随机森林、K – 近邻算法、逻辑回归等。
昱良
2018-08-20
2930
干货 | 详解scikit-learn中随机森林(RF)和梯度提升决策树(GBDT)的参数调优
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 转自:博客园 作者:jasonfreak 连接:http://www.cnblogs.com/jasonfreak/p/5720137.html 1 Random Forest和Gradient Tree Boosting参数详解 2 如何调参?   2.1 调参的目标:偏差和方差的协调   2.2 参数对整体模型性能的影响   2.3 一个朴实的方案:贪心的坐标下降法     2.3
昱良
2018-04-08
10.1K0
梯度提升树GBDT原理
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 作者:雪伦_ 链接:http://blog.csdn.net/a819825
昱良
2018-04-08
9110
6分钟教你如何使用Python编写、可视化决策树算法(Iris数据集)
本集视频使用真实的数据来建一棵决策树,编写代码,将其可视化,并练习如何阅读决策树。这样您即可明白决策树是如何在幕后工作的。(PS:英文,无字幕)
昱良
2018-04-08
1.1K0
解决决策树的过拟合
参看书籍:Machine Learning(Tom Mitchell) 之前我们已经比较详细的介绍啦决策树的相关知识,如ID3(Machine Learning -- ID3算法)和C4.5(Machine learning -- C4.5算法详解及Python实现). 本文章介绍决策树学习的实际问题包括确定决策树增长的深度;处理连续值的属性;选择一个适当的属性筛选度量标准;处理属性值不完整的训练数据;处理不同代价的属性;以及提高计算效率。下面我们讨论每一个问题,并针对这些问题扩展基本的ID3算法。事实上,
昱良
2018-04-08
2K0
Machine learning -- CART
1.算法介绍 分类回归树算法:CART(Classification And Regression Tree)算法采用一种二分递归分割的技术,将当前的样本集分为两个子样本集,使得生成的的每个非叶子节点都有两个分支。因此,CART算法生成的决策树是结构简洁的二叉树。 分类树两个基本思想:第一个是将训练样本进行递归地划分自变量空间进行建树的想法,第二个想法是用验证数据进行剪枝。 建树:在分类回归树中,我们把类别集Result表示因变量,选取的属性集attributelist表示自变量,通
昱良
2018-04-04
6840
机器学习(12)之决策树总结与python实践(~附源码链接~)
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 前言 在(机器学习(9)之ID3算法详解及python实现)中讲到了ID3算法,在(机器学习(11)之C4.5详解与Python实现(从解决ID3不足的视角))中论述了ID3算法的改进版C4.5算法。对于C4.5算法,也提到了它的不足,比如模型是用较为复杂的熵来度量,使用了相对较为复杂的多叉树,只能处理分类不能处理回归等。对于这些问题, CART算法大部分做了改进。由于CART算法可以
昱良
2018-04-04
4.3K0
机器学习(9)之ID3算法详解及python实现
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 前言 决策树算法在机器学习中算是很经典的算法系列。它既可以作为分类算法,也可以作为回归算法,同时也特别适合集成学习比如随机森林。本文就对决策树算法ID3思想做个总结。 ID3算法的信息论基础 1970年代,一个叫昆兰的大牛找到了用信息论中的熵来度量决策树的决策选择过程,它的简洁和高效就引起了轰动,昆兰把这个算法叫做ID3。下面我们就看看ID3算法是怎么选择特征的。 首先,我们需要熟悉信
昱良
2018-04-04
1.4K0
机器学习(5)之决策树ID3及Python实现
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 ID3是什么? ID3算法是决策树的一种,基于奥卡姆剃刀原理,即用尽量用较少的东西做更多的事。ID3算法( Iterative Dichotomiser 3),迭代二叉树3代,是Ross Quinlan发明的一种决策树算法,这个算法的基础就是上面提到的奥卡姆剃刀原理,越是小型的决策树越优于大的决策树,尽管如此,也不总是生成最小的树型结构,而是一个启发式算法。 在信息论中,期望信息越小,
昱良
2018-04-04
8980
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档