首页
学习
活动
专区
工具
TVP
发布

用户画像

专栏成员
981
文章
1031103
阅读量
53
订阅数
支持向量机SVM模型
       支持向量机的出发点是解决线性可分和近似线性可分的问题。在这个模型中,有一个很重要的隐含假设:每个数据的权重并不相同。除去少数几个支持向量(靠近分离超平面的数据),其他数据的权重其实等于0。也就是说,支持向量机在训练时并不会考虑所有数据,而只关心很难被“直线”分开的“异常点”。
week
2022-11-26
2520
Mac解决OSError: [Errno 1] Operation not permitted
这段时间在弄机器学习的事情,然后看Macbook里面的Python库有点旧,就用pip更新一下。
week
2022-11-26
1.4K0
风控模型—WOE与IV指标的深入理解应用
在评分卡建模流程中,WOE(Weight of Evidence)常用于特征变换,IV(Information Value)则用来衡量特征的预测能力。风控建模同学可能都很熟悉这两者的应用,但我们仍然可能疑惑诸如“如何调整WOE分箱?“、“WOE与LR之间的关系?”这些问题。
week
2021-11-29
2.4K0
机器学习算法中 GBDT 和 XGBOOST 的区别有哪些?
1. Xgboost在代价函数里加入了正则项,用于控制模型的复杂度,降低了过拟合的可能性。正则项里包含了树的叶子节点个数,每个叶子节点上输出的score的L2模的平方和,普通GBDT没有。
week
2021-11-29
4720
机器学习 | 随机森林推测泰坦尼克号存活概率
1、对于分类问题,最终结果等于在决策树预测结果中出现次数最多的类别。直观上,可以将每个决策树想象成一个人,而随机森林想象成一场投票,通过少数服从多数的原则取的最终的结果。
week
2021-11-29
4160
机器学习 | 特征工程综述
数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。特征工程指的是把原始数据转变为模型的训练数据的过程,它的目的就是获取更好的训练数据特征,使得机器学习模型逼近这个上限。
week
2021-11-29
3370
机器学习 | 交叉熵公式
在一定程度上,相对熵可以度量两个随机变量的“距离”,且有D(p||q) ≠D(q||p)。另外,值得一提的是,D(p||q)是必然大于等于0的。
week
2021-11-29
6150
机器学习十大算法
5 种监督学习技术:线性回归、Logistic 回归、CART(分类和决策树)、朴素贝叶斯法和 KNN
week
2021-05-06
5170
机器学习 | GBDT
GBDT的全称是Gradient Boosting Decision Tree,梯度提升树,在传统机器学习算法中,GBDT算的上TOP3的算法。想要理解GBDT的真正意义,那就必须理解GBDT中的Gradient Boosting和Decision Tree分别是什么?
week
2021-05-06
5000
机器学习 | 决策树ID3算法
ID3是Quinlan于1979年提出的,是机器学习中一种广为人知的一个算法,它的提出开创了决策树算法的先河,而且是国际上最早最有影响的决策树方法
week
2021-05-06
8450
如何给非专业人士讲解什么是深度学习?
从根本上说,深度学习和所有机器学习方法一样,是一种用数学模型对真实世界中的特定问题进行建模,以解决该领域内相似问题的过程。
week
2020-03-09
5480
漫画:逻辑回归
在实际问题中,我们不仅需要得出具体的预测数值,我们还需要将数据的类别进行判断和分类。
week
2020-01-13
4150
如何从零起步学习AI
所谓万丈高楼平地起,搞数据科学、机器学习或深度学习,一开始至少得学会跟计算机打交道吧,怎么跟计算机打交道呢?编程。
week
2020-01-02
5810
什么是人工智能?人工智能、机器学习、深度学习三者之间有什么关系吗?
说起人工智能,我们总能听到一些其他的关键词,例如:机器学习、深度学习、数据挖掘、数据分析等等。那么到底什么是人工智能?人工智能又与这些词有什么直接或间接的关系呢?
week
2019-12-30
1.5K0
XGBoost算法原理小结
作为GBDT的高效实现,XGBoost是一个上限特别高的算法,因此在算法竞赛中比较受欢迎。简单来说,对比原算法GBDT,XGBoost主要从下面三个方面做了优化:
week
2019-12-20
5530
爱奇艺推荐系统
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
week
2019-11-13
1.5K0
西瓜书-绪论
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
week
2019-11-04
6410
特征工程
特征工程是用数学转换的方法将原始输入数据转换为用于机器学习模型的新特征。特征工程提高了机器学习模型的准确度和计算效率,体现在以下五个方面
week
2019-08-29
7540
MAC 解决OSError: [Errno 1] Operation not permitted
这段时间在弄机器学习的事情,然后看Macbook里面的Python库有点旧,就用pip更新一下。
week
2018-08-24
6640
机器学习之Softmax回归模型
Softmax在机器学习中有非常广泛的应用,但是刚刚接触机器学习的人可能对Softmax的特点以及好处并不理解,其实你了解了以后就会发现,Softmax计算简单,效果显著,非常好用。
week
2018-08-24
5330
点击加载更多
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