發簡信
IP屬地：北京
-
特征選擇的方法
特征選擇的好處 便于理解和可視化數據，降低計算及存儲壓力，對抗維數災難提高準確率，增加模型泛化能力； 總結一 三大主流方法：過濾式，包裹式，嵌入...
-
損失函數
聊聊機器學習中的損失函數 機器學習中的損失函數 平方損失（線性回歸） 對數損失（交叉熵損失 softmax, logstic） 最大熵原理(引出...
-
決策樹處理連續值，缺失值
簡書：決策樹會有哪些特性？知乎：決策樹是如何處理不完整數據的？ 1. 連續值如何劃分？ C4.5：Information Gain （Ratio...
-
如何解決類別不平衡問題？
如何解決類別不平衡問題？ 對大類欠采樣，或者對小類過采樣； 設置不同的學習率，大類權值小，小類權值大； 使用一些對樣本分布不敏感的評價指標，F1...
-
方差和偏差博客：http://liuchengxu.org/blog-cn/posts/bias-variance/ 誤差一般包含偏差，方差和噪聲 偏差：...
-
過擬合原因和方法
過擬合的原因 數據方面，比如數據不規范，數據量少，還有可能是數據穿越（統計特征用到了未來的信息或者標簽信息）； 算法方面，模型過于復雜； 防止過...
-
極大似然估計&最小二乘
最大似然估計 似然函數：這個函數反應的是在不同的參數θ取值下，取得當前這個樣本集的可能性，因此稱為參數θ相對于樣本集X的似然函數。 最大似然估計...
-
LR模型的特征歸一化和離散化
知乎問題：https://www.zhihu.com/question/31989952 為什么LR需要歸一化或者取對數？ 歸一化:可以提高收斂...
-
L1和L2正則直觀理解博客：http://blog.csdn.net/zouxy09/article/details/24971995博客：http://blog.c...