发简信
IP属地：西藏
-
xgboost slide（二）这部分主要是介绍回归树和组合： 回归树（cart）1、回归树（也可以叫做分类回归树），加入gbdt是回归树，但是根据最终的回归结果给一个阈值，也...
-
交叉验证梳理疑问： 为什么要分训练集、验证集、测试集？ 为什么采用交叉验证？ 交叉验证的应用场景是什么？ 最终预测模型是怎么得到的？ 预备知识：什么是超参数...
-
基于python的全面数据探索（house prices）总体思路： 理解问题：查看每个变量并且根据他们的意义和对问题的重要性进行哲学分析。单因素研究：只关注因变量(SalePrice)并且进行更深入的...
-
随机森林的优缺点
1、 在当前的很多数据集上，相对其他算法有着很大的优势，表现良好2、它能够处理很高维度的数据，并且不用做特征选择，因为特征子集是随机选择的3、在...
-
随机森林原理1、什么是随机森林？随机森林就是用随机的方式建立一个森林，在森林里有很多决策树组成，并且每一棵决策树之间是没有关联的。当有一个新样本的时候，我们...
-
正则项浅析
知识预备：范数http://blog.csdn.net/shijing_0214/article/details/51757564 我们经常会听...
-
xgboost slide（四）这部分主要是对前面学的知识点进行总结~~~ 1、我们如何来构造一个提升树分类器去做加权回归问题，这样每个实例都有一个有关重要性的权重？2、回到时...
-
关于XGBOOST疑问和解决
1、对于树形结构为什么不需要归一化？答：数值缩放，不影响分裂点位置。因为第一步都是按照特征值进行排序的，排序的顺序不变，那么所属的分支以及分裂点...
-
朴素贝叶斯
1.思路：给定训练集后，假设特征之间都是互相独立的。（1）计算输入输出的联合概率分布（2）对于给定的输入x，利用贝叶斯原理求出后验概率最大的输出...