腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
张俊红
专栏作者
举报
356
文章
554543
阅读量
91
订阅数
订阅专栏
申请加入专栏
全部文章(356)
python(98)
数据分析(88)
编程算法(56)
sql(33)
机器学习(21)
https(21)
网络安全(18)
数据可视化(17)
数据库(16)
大数据(15)
其他(11)
numpy(11)
爬虫(10)
微信(10)
神经网络(9)
chatgpt(9)
数据(9)
自动化(8)
github(7)
存储(7)
开源(7)
图表(7)
数据挖掘(6)
matlab(6)
深度学习(6)
人工智能(6)
http(6)
数据处理(6)
excel(6)
java(5)
网站(5)
数据结构(5)
pandas(5)
产品(5)
工作(5)
javascript(4)
css(4)
html(4)
云数据库 SQL Server(4)
git(4)
决策树(4)
windows(4)
腾讯云开发者社区(4)
面试(4)
NLP 服务(3)
打包(3)
搜索引擎(3)
linux(3)
腾讯云测试服务(3)
电商(3)
线性回归(3)
selenium(3)
app(3)
bi(3)
json(2)
ide(2)
api(2)
vba(2)
apache(2)
企业(2)
出行(2)
数据安全(2)
游戏(2)
监督学习(2)
markdown(2)
聚类算法(2)
apply(2)
date(2)
matplotlib(2)
row(2)
shift(2)
sse(2)
table(2)
ui(2)
报表(2)
插件(2)
产品经理(2)
工具(2)
基础(2)
模型(2)
思维导图(2)
效率(2)
字符串(2)
区块链(1)
tensorflow(1)
ios(1)
php(1)
r 语言(1)
bootstrap(1)
node.js(1)
xml(1)
jquery(1)
arm(1)
flask(1)
svn(1)
windows server(1)
spring(1)
文件存储(1)
云直播(1)
腾讯优客(1)
图像处理(1)
互动课堂(1)
o2o(1)
渲染(1)
rollup.js(1)
运维(1)
spark(1)
html5(1)
hadoop(1)
卷积神经网络(1)
强化学习(1)
gui(1)
sql server(1)
面向对象编程(1)
ftp(1)
pytorch(1)
tcp/ip(1)
scikit-learn(1)
anaconda(1)
小程序(1)
sas(1)
nest(1)
信息流(1)
特征工程(1)
jupyter notebook(1)
分类算法(1)
sdk(1)
flink(1)
学习方法(1)
汽车(1)
教育(1)
axis(1)
bug(1)
case(1)
class(1)
count(1)
d3(1)
dataframe(1)
difference(1)
distribution(1)
function(1)
ggplot2(1)
gpt(1)
host(1)
icon(1)
it(1)
jieba(1)
lag(1)
list(1)
lm(1)
max(1)
min(1)
mysql(1)
network(1)
partition(1)
pdf(1)
powerbi(1)
probability(1)
rank(1)
seaborn(1)
server(1)
sf(1)
sum(1)
time(1)
tm(1)
transform(1)
unique(1)
url(1)
var(1)
编程(1)
编辑器(1)
表格(1)
测试(1)
产品设计(1)
程序员(1)
登录(1)
地图(1)
函数(1)
行业(1)
可视化(1)
量化(1)
流量(1)
乱码(1)
论文(1)
配色(1)
苹果(1)
入门(1)
软件(1)
软件工程(1)
实践(1)
数学(1)
同步(1)
统计(1)
通信(1)
文件上传(1)
异常(1)
优化(1)
原理(1)
搜索文章
搜索
搜索
关闭
图解10大机器学习算法
编程算法
决策树
机器学习
神经网络
今天给大家分享一篇机器学习算法的文章,利用图解的方式介绍了10大常见的机器学习算法。看正文: ---- 在机器学习领域,有种说法叫做“世上没有免费的午餐”,简而言之,它是指没有任何一种算法能在每个问题上都能有最好的效果,这个理论在监督学习方面体现得尤为重要。 举个例子来说,你不能说神经网络永远比决策树好,反之亦然。模型运行被许多因素左右,例如数据集的大小和结构。因此,你应该根据你的问题尝试许多不同的算法,同时使用数据测试集来评估性能并选出最优项。 当然,你尝试的算法必须和你的问题相切合,其中的门道便是机器学
张俊红
2022-03-25
492
0
Sklearn参数详解--决策树
决策树
编程算法
总第106篇 前言 先来简短的回顾一下决策树原理: 决策树学习的算法通常是一个递归地(根据某一准则,信息增益或基尼系数)选择最优切分点/特征,并根据该特征对训练数据集进行分割,使得对各个子数据集有一个最好的分类过程,这一过程对应着对特征空间的划分,也对应着决策树的构建,继续在子数据集上循环这个切割的过程,直到所有的训练数据子集被基本正确分类,或者没有合适的特征为止。 你也可以看这里: 决策树详解 决策树-CART算法 参数详解 sklearn.tree.DecisionTreeClassifier
张俊红
2018-06-11
4.7K
0
决策树-CART算法
决策树
编程算法
总第80篇 01|前言: 本篇接着上一篇决策树详解,CART是英文“classification and regression tree”的缩写,翻译过来是分类与回归树,与前面说到的ID3、C4.5一致,都是决策树生成的一种算法,同样也由特征选择、树的生成以及剪枝组成,既可以用于分类也可以用于回归。CART算法由决策树的生成以及决策树剪枝两部分组成。 02|CART的生成: 决策树的生成就是递归地构建二叉决策树的过程。对回归树用平方差最小化准则,对分类树用基尼指数最小化准则,进行特征选择,生成二叉树。
张俊红
2018-04-11
1.2K
0
决策树详解
决策树
总第79篇 01|背景: 我们在日常生活中经常会遇到一些选择需要去做一些选择,比如我们在找工作的时候每个人都希望能找到一个好的工作,但是公司那么多,工作种类那么多,什么样的工作才能算是好工作,这个时候就需要我们对众多的工作去做一个判断。 最常用的一种方法就是制定几个可以衡量工作好坏的指标,比如公司所处的行业是什么、应聘的岗位是什么、投资人是谁、薪酬待遇怎么样等等。评判一个工作好坏的指标有很多个,但是每一个指标对工作好坏这一结果的决策能力是不一样的,为了更好的对每一个指标的决策能力做出判断,我们引入一个可以
张俊红
2018-04-11
1.2K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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