- http://www.jianshu.com/p/c8f1f516e9ea from math import log import operator def calcShannonEnt(dataSet): numEntries = len(dataSet) lableCounts = {} for featVec in dataSet: c... http://www.jianshu.com/p/c8f1f516e9ea from math import log import operator def calcShannonEnt(dataSet): numEntries = len(dataSet) lableCounts = {} for featVec in dataSet: c...
- 随机森林原理 2017-08-06 18:56 80人阅读 评论(0) 收藏 举报 分类： 机器学习（17） 转载自：http://www.zilhua.com/629.html &nb... 随机森林原理 2017-08-06 18:56 80人阅读 评论(0) 收藏 举报 分类： 机器学习（17） 转载自：http://www.zilhua.com/629.html &nb...
- 参考：http://www.cnblogs.com/fcyworld/p/6243012.html Python 0/1背包、动态规划 0/1背包问题：在能承受一定重量的背包中，放入重量不同，价值不同的几件物品，怎样放能让背包中物品的价值最大？ 比如，有三件物品重量w,价值v分别是 w=[5,3,2] v=[9,7,8] 包的容量是5，也就是... 参考：http://www.cnblogs.com/fcyworld/p/6243012.html Python 0/1背包、动态规划 0/1背包问题：在能承受一定重量的背包中，放入重量不同，价值不同的几件物品，怎样放能让背包中物品的价值最大？ 比如，有三件物品重量w,价值v分别是 w=[5,3,2] v=[9,7,8] 包的容量是5，也就是...
- 原文：http://www.jianshu.com/p/6eecdeee5012 决策树是一种简单高效并且具有强解释性的模型，广泛应用于数据分析领域。其本质是一颗由多个判断节点组成的树，如： 决策树 在使用模型进行预测时，根据输入参数依次在各个判断节点进行判断游走，最后到叶子节点即为预测结果。 如何构造决策树 决策树算法的... 原文：http://www.jianshu.com/p/6eecdeee5012 决策树是一种简单高效并且具有强解释性的模型，广泛应用于数据分析领域。其本质是一颗由多个判断节点组成的树，如： 决策树 在使用模型进行预测时，根据输入参数依次在各个判断节点进行判断游走，最后到叶子节点即为预测结果。 如何构造决策树 决策树算法的...
- KNN决策树探究泰坦尼克号幸存者问题 import pandas as pd from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.metrics import classification_report import graphviz #决策树可视... KNN决策树探究泰坦尼克号幸存者问题 import pandas as pd from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.metrics import classification_report import graphviz #决策树可视...
- 分类问题 分类是一种基于一个或多个自变量确定因变量所属类别的技术。 分类用于预测离散响应 逻辑回归 逻辑回归类似于线性回归，适用于因变量不是一个数值字的情况 (例如，一个“是/否”的响应)。它虽然被称为回归，但却是基于根据回归的分类，将因变量分为两类。 如上所述，逻辑回归用于预测二分类的输出。例如，如果信用卡公司构建一个模型来决定是否通过向客户的发行信... 分类问题 分类是一种基于一个或多个自变量确定因变量所属类别的技术。 分类用于预测离散响应 逻辑回归 逻辑回归类似于线性回归，适用于因变量不是一个数值字的情况 (例如，一个“是/否”的响应)。它虽然被称为回归，但却是基于根据回归的分类，将因变量分为两类。 如上所述，逻辑回归用于预测二分类的输出。例如，如果信用卡公司构建一个模型来决定是否通过向客户的发行信...
- ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for iDepth in depthList: for ixval in range(nxval): idxTest = [a f... ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for iDepth in depthList: for ixval in range(nxval): idxTest = [a f...
- ML之DT之CART：分类与回归树CART算法的简介、应用、经典案例之详细攻略 目录 分类与回归树CART算法简介 1、CART原理—比较ID3、C4.5 2、CART算法描述 CART算法的案经典案例 分类与回归树CART算法简介 分类与回归树（Classification and Regression Trees, C... ML之DT之CART：分类与回归树CART算法的简介、应用、经典案例之详细攻略 目录 分类与回归树CART算法简介 1、CART原理—比较ID3、C4.5 2、CART算法描述 CART算法的案经典案例 分类与回归树CART算法简介 分类与回归树（Classification and Regression Trees, C...
- ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &... ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &...
- ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for i in range(1, len(xPlot)): lhList = list(xPlot[0:i]) rhList = list(xPlot[i:... ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for i in range(1, len(xPlot)): lhList = list(xPlot[0:i]) rhList = list(xPlot[i:...
- 今天我们再来看一个新的算法---决策树（Decision Tree）。 决策树呢，在机器学习的算法里也是比较常见的一种分类与回归算法了。决策树模型是树状图结构，在分类问题中，表示基于特征对实例进行分类的过程。其实从简单角度来讲就是两个选择不是“是”就是“否”。下面我们从简单的图画中看一下什么是决策树吧！ 从上面这个图中我们可以看出来决策树就是这么一层一层选择... 今天我们再来看一个新的算法---决策树（Decision Tree）。 决策树呢，在机器学习的算法里也是比较常见的一种分类与回归算法了。决策树模型是树状图结构，在分类问题中，表示基于特征对实例进行分类的过程。其实从简单角度来讲就是两个选择不是“是”就是“否”。下面我们从简单的图画中看一下什么是决策树吧！ 从上面这个图中我们可以看出来决策树就是这么一层一层选择...
- 决策树对于我们来说就像是一个具有终止块的流程图一样，终止块就向我们展示了分类的结果。 通过使得信息熵变化至最小的原理构建我们的决策树不同的层，并且我们可以使用treePlotter.py这个模块来实现决策树的树形图绘制，能够更加直观的向我们展示决策树的结构。 决策树的层数将会极大的和我们所具有的feature的数量有关，可能会存在终止块中无法准确决策出结果的情况（比如说f... 决策树对于我们来说就像是一个具有终止块的流程图一样，终止块就向我们展示了分类的结果。 通过使得信息熵变化至最小的原理构建我们的决策树不同的层，并且我们可以使用treePlotter.py这个模块来实现决策树的树形图绘制，能够更加直观的向我们展示决策树的结构。 决策树的层数将会极大的和我们所具有的feature的数量有关，可能会存在终止块中无法准确决策出结果的情况（比如说f...
- 集成学习(ensemble learning)可以说是现在非常火爆的机器学习方法了。它本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。集成学习可以用于分类问题集成，回归问题集成，特征选取集成，异常点检测集成等等，可以说所有的机器学习领域都可以看到集成学习的身影。本文就对集成学习的原理做一个总结。 1. 集成学习概... 集成学习(ensemble learning)可以说是现在非常火爆的机器学习方法了。它本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。集成学习可以用于分类问题集成，回归问题集成，特征选取集成，异常点检测集成等等，可以说所有的机器学习领域都可以看到集成学习的身影。本文就对集成学习的原理做一个总结。 1. 集成学习概...
- 选自 | arXiv作者 | Tony Duan、Anand Avati等编译 | 机器之心参与 | 熊猫在此论文中，来自斯坦福的研究者们提出了 NGBoost 梯度提升方法以解决现有梯度提升方法难以处理的通用概率预测中的技术难题。自然梯度提升（NGBoost / Natural Gradient Boosting）是一种算法，其以通用的方式将概率预测能力引入到了梯度提升中。预测式不确定性估... 选自 | arXiv作者 | Tony Duan、Anand Avati等编译 | 机器之心参与 | 熊猫在此论文中，来自斯坦福的研究者们提出了 NGBoost 梯度提升方法以解决现有梯度提升方法难以处理的通用概率预测中的技术难题。自然梯度提升（NGBoost / Natural Gradient Boosting）是一种算法，其以通用的方式将概率预测能力引入到了梯度提升中。预测式不确定性估...
- 过拟合及其对策阅读目录1 损失函数2 学习3 过拟合与欠拟合4 方差与偏差5 如何避免过拟合5.1 正则化5.2 剪枝5.3 数据增广5.4 dropout5.5 Early Stopping5.6 集成学习6 参考文献本文介绍了欠拟合、过拟合相关概念，分析造成它们的原因，总结了防止过拟合的一般策略。回到顶部1 损失函数损失函数（loss function）：是用来度量模型预测值f(x)与样... 过拟合及其对策阅读目录1 损失函数2 学习3 过拟合与欠拟合4 方差与偏差5 如何避免过拟合5.1 正则化5.2 剪枝5.3 数据增广5.4 dropout5.5 Early Stopping5.6 集成学习6 参考文献本文介绍了欠拟合、过拟合相关概念，分析造成它们的原因，总结了防止过拟合的一般策略。回到顶部1 损失函数损失函数（loss function）：是用来度量模型预测值f(x)与样...
上滑加载中
推荐直播
-
基于OpenHarmony的计算机学科人才培养经验分享2024/11/28 周四 19:00-21:00
华为开发者布道师、兰州大学信息科学与工程学院教授周睿
老师们、同学们，这里有不容错过的精彩！ 想了解计算机类人才培养存在哪些挑战？想知道OpenHarmony如何应用于人才培养？本次直播，为你分享基于它的科创实践、专业社团实践和教学实践途径，培养学术型、应用型和复合型精英人才。快来报名，开启提升之旅！
回顾中 -
全面解析华为云EI-API服务：理论基础与实践应用指南2024/11/29 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播给大家带来的是理论与实践结合的华为云EI-API的服务介绍。从“主要功能，应用场景，实践案例，调用流程”四个维度来深入解析“语音交互API，文字识别API，自然语言处理API，图像识别API及图像搜索API”五大场景下API服务，同时结合实验，来加深开发者对API服务理解。
去报名 -
华为ICT大赛2024-2025 编程赛-鸿蒙技术赋能2024/12/01 周日 14:00-18:00
赵小刚 武汉大学计算机学院软件工程系 副教授
本期直播将与您一起交流学习OpenHarmony 物联网应用开发，助力您在华为ICT大赛2024-2025编程赛中取得好成绩。
即将直播
热门标签