优惠建网站,江苏建设人才是官方网站,网站seo优化价格,ps和dw怎么做网站文章目录 一、机器学习分类二、逻辑回归三、决策树四、集成学习算法五、支持向量机六、聚类七、特征工程和指标 文章参考自B站机器学习期末速成课
本文仅作者个人复习使用
一、机器学习分类 聚类和分类的区别#xff1a; 分类#xff1a;一开始就知道有哪些类别 聚类#… 文章目录 一、机器学习分类二、逻辑回归三、决策树四、集成学习算法五、支持向量机六、聚类七、特征工程和指标 文章参考自B站机器学习期末速成课
本文仅作者个人复习使用
一、机器学习分类 聚类和分类的区别 分类一开始就知道有哪些类别 聚类一开始不知道有哪些类别 损失函数简单来说就是你预测出来的结果和真实值的差距。 0-1损失函数一般做二分类问题 数据特征工程相当于对原始数据进行一定的清理和提纯。
二、逻辑回归 sigmoid函数会让输出值在0-1之间 求参数比如w和b一般用梯度下降算法。
三、决策树 信息熵和信息增益描述数据的混乱程度 Gini系数则是描述数据的纯度 两者都是越小越好 四、集成学习算法 五、支持向量机 两个类别边缘上的点叫支持向量 硬间隔完全分类准确 软间隔存在分类错误的情况 六、聚类 七、特征工程和指标
