丿回到火星去

机器学习

Linux之路(4) MyCode(5) YOLOv3(1) 优化算法(6) 未归档(2) 深度学习(9) 环境配置(3)

/ 注册

全部文章 / 机器学习（共34篇）

机器学习算法汇总

ML算法模型简单总结一下在学习的过程中对Machine Learning算法模型理解：决策树 ( decision tree)详解集成算法(Bagging，随机森林) 集成算法(AdaBoost基本原理) Boosting算法（GBDT，XGBoost，LightGBM）...

2018-12-18

0 401

特征工程之特征预处理

　　在前面我们分别讨论了特征工程中的特征选择与特征表达，本文我们来讨论特征预处理的相关问题。主要包括特征的归一化和标准化，异常特征样本清洗与样本数据不平衡问题的处理。 1. 特征的标准化和归一化　　由于标准化和归一化这两个词经常混用，所以本文不再区别标准化和归一化，而通过具体的标准化和归一化方...

2018-12-02

0 461

模型融合方法概述

模型融合方法概述在比赛中提高成绩主要有3个地方特征工程调参模型融合 1. Voting 模型融合其实也没有想象的那么高大上，从最简单的Voting说起，这也可以说是一种模型融合。假设对于一个二分类问题，有3个基础模型，那么就采取投票制的方法，投票多者确定为最终的分类。 ...

2018-12-02

0 543

特征工程之特征表达

　　在特征工程之特征选择中，我们讲到了特征选择的一些要点。本篇我们继续讨论特征工程，不过会重点关注于特征表达部分，即如果对某一个特征的具体表现形式做处理。主要包括缺失值处理，特殊的特征处理比如时间和地理位置处理，离散特征的连续化和离散化处理，连续特征的离散化处理几个方面。 1.缺失值处理　　特...

2018-12-02

0 372

特征工程之特征选择

特征工程是数据分析中最耗时间和精力的一部分工作，它不像算法和模型那样是确定的步骤，更多是工程上的经验和权衡。因此没有统一的方法。这里只是对一些常用的方法做一个总结。本文关注于特征选择部分。后面还有两篇会关注于特征表达和特征预处理。 1.特征的来源　　在做数据分析的时候，特征的来源一般有两块，一...

2018-12-02

0 518

Boosting算法（GBDT，XGBoost，LightGBM）

1. 引言提升（Boosting）是一种机器学习技术，可以用于回归和分类问题，它每一步产生一个弱预测模型（如决策树），并加权累加到总模型中加权累加到总模型中；如果每一步的弱预测模型生成都是依据损失函数的梯度方向，则称之为梯度提升（Gradient Boosting）。梯度提升算法首先给定一个目...

2018-11-25

0 1017

聚类算法

文章目录 1. 引言 2. K 均值算法详解（K-means） 2.1算法流程 2.2 k值估计 3. 层次聚类算法详解 3.1算法简介 3.2 算法流程 4. DBSCAN 算法详解 ...

2018-11-25

0 625

马尔可夫随机场与条件随机场

文章目录马尔可夫随机场 1. 引言 2. 团与极大团 3. MRF联合概率 4. MRF的条件独立性(有向分离) 条件随机场马尔可夫随机场 1. 引言马尔可夫随机场(Markov ...

2018-11-25

0 494

隐马尔可夫模型(Hidden Markov Model，HMM)

文章目录 1. 引言 2. HMM变量 3. HMM的结构 4. HMM的参数 5. HMM的生成步骤 1. 引言隐马尔可夫模型是结构最简单的动态贝叶斯网络。是一种有向图模型，主要用于时序数据建模，在语音识别，自然语言处理(NLP)，生物信...

2018-11-25

0 361

贝叶斯网络Bayesian Network (朴素贝叶斯，Naive )

文章目录 1. 概率论 1.1 条件概率 1.2 全概率公式 1.3 贝叶斯公式 1.4 独立性 2. 简单图分析（简单贝叶斯网络独立性分析） 3. 朴素贝叶斯朴素贝叶斯的推导 3.1 高斯朴素贝叶...

2018-11-21

0 365