发简信
IP属地：陕西
-
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...
-
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...
-
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...
-
logistic 回归（内附推导）主要思考几个问题： 1、logistic回归的应用场景 Logistic回归是一种用于解决二分类问题的机器学习方法，是一种判别模型：表现为直接对...
-
scikit-learn入门学习
1.载入数据集 scikit-learn里面自带了一些标准数据集，例如用于分类的数据集iris和digits，以及用于回归的boston房价数据...
-
随机森林中oob以及oob的作用？
在随机森林bagging法中可以发现booststrap每次约有1/3的样本不会出现在bootstrap所采集的样本集合中，故没有参加决策树的建...
-
gbdt和随机森林的区别？
相同点：（1）都是由多棵树组成的，都是集成学习算法（2）最终的结果都是由多颗树一起决定 不同点：(1)组成随机森林的树可以是分类树，也可以是回归...
-
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...
-
如何选择正则项参数我们知道，正则项通过控制参数来防止过拟合的，下面以L2正则为例，看看怎么选择lambda，以及和偏差和方差之间的关系。 首先需要做的事，就是选择...