小猴学IT

机器学习

c++(2) Java(1) Linux(1) mmdetection(1) MySQL数据库(3) opencv(9) paddlepaddle(2) python(4) pytorch(19) ZHY项目仓库(2) 学习记录(17) 数据分析及可视化(1) 爬虫(1) 目标检测(1) 程序报错解决方案汇总(5) 自然语言处理(2) 题解(16)

/ 注册

全部文章 / 机器学习（共7篇）

机器学习之路：python 文本特征提取 CountVectorizer, TfidfVectorizer

文本特征提取：将文本数据转化成特征向量的过程比较常用的文本特征表示法为词袋法词袋法：不考虑词语出现的顺序，每个出现过的词汇单独作为一列特征这些不重复的特征词汇集合为词表每一个文本都可以在很长的词表上统计出一个很多列的特征向量如果每个文本都出现的词汇，一...

2020-11-24

0 387

机器学习之路：【特征预处理】python 字典特征提取器 DictVectorizer【离散特征onehot】

将字典类型数据结构的样本，抽取特征，转化成向量形式源码git: https://github.com/linyi0604/MachineLearning 代码： from sklearn.feature_extraction import DictVectorizer ''' 字典特征提取器： ...

2020-11-24

0 473

机器学习之路：【特征预处理】python 字典特征提取器 DictVectorizer【离散特征onehot】

将字典类型数据结构的样本，抽取特征，转化成向量形式源码git: https://github.com/linyi0604/MachineLearning 代码： from sklearn.feature_extraction import DictVectorizer ''' 字典特征提取器： ...

2020-11-24

0 356

详解stacking过程

详解stacking过程机器学习之Stacking原理与实战

stacking

2020-11-24

0 388

机器学习之类别不平衡问题 (2) —— ROC和PR曲线

ROC曲线常用于二分类问题中的模型比较，主要表现为一种真正例率 (TPR) 和假正例率 (FPR) 的权衡。具体方法是在不同的分类阈值 (threshold) 设定下分别以TPR和FPR为纵、横轴作图。由ROC曲线的两个指标，TPR=TPP=TPTP+FNTPR=TPP=TPTP+FN，FPR=FP...

过采样不平衡

2020-11-23

0 702

XGBoost 模型调参（基于数据集实践）指南

模型调优 XGBoost有一些参数可以显著影响模型的准确性和训练速度。应该了解的第一个参数是:n_estimators and early_stopping_roundsn_estimators 指定训练循环次数。 early_stopping_rounds 提供了一种自动查找理想值的方法。 ea...

调参

2020-11-21

0 1143

XGBoost+LR融合的原理和简单实现

3.简单实现3.1导入相关库 # -*- coding: utf-8 -*- # @Author : Hippo import numpy as np import pandas as pd import xgboost as xgb from sklearn.datasets import l...

XGBoost+LR

2020-11-21

0 884