- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 贝叶斯算法原理
贝叶斯算法与简单概率论 明确：贝叶斯算法是解决什么问题的？解决逆向问题！ eg 正向概率：袋子里N个白球，M个黑球，伸手进摸出黑球的概率？ 逆向概率：事先不清楚黑白球比例，闭眼摸出一个球出来，观察颜色，求带内球颜色占比？ eg 60%男生，40%女生，男生穿长裤，女生一半长裤一半裙子。 正向概率：随机选一个学生，这个学生穿长裤的概率？ 逆向概率：走来一个穿长裤的学生，不知道其性别，求这个学生是女生...
2019-01-17 15:41:15
784
原创 集成算法与随机森林
集成算法与随机森林 目的：让机器学习效果更好，一个人决策树效果不够，那就一群树。 Bagging 训练多个分类器取均值 全称：Bootstrap aggregation(并行训练一堆分类器（树）) 最典型代表：随机森林 随机：数据采样随机，特征选择随机。 森林：很多个决策树并行放在一起，同时处理。 同一个数据集构造3个树 数据随机：选60%数据，有放回的。ABC都如此（随机选择） 特征随机：选...
2019-01-17 10:32:51
285
原创 决策树实现
树模型参数解释 criterion gini or entropy ： 选择决策树剪枝使用gini系数或者是熵值法 splitter best or random： 选择在所有特征中找最佳切分点或在部分特征中找最佳切分点 max_depth：对决策树深度做限制（预剪枝） min_samples_split： 判断是否叶子节点继续进行分裂，如果小于这个值如10，节点样本数只有9了，就不会再继续分裂 ...
2018-10-21 11:31:23
638
原创 决策树算法
决策树算法简介 1.什么是决策树？ 从根节点一步步走向叶子节点（此过程叫决策），形成了决策树。 所有的数据都会进入叶子节点，构造完成决策树后，决策树可以用于分类或回归。 例如 根节点：第一个选择的分类节点。 非叶子节点与分支：中间过程。 叶子节点：决策过程。 在此图中的年龄小于15分类判断是根节点，是否男性属于非叶子节点与分支，三个最终的图片都属于叶子节点。 那么叶子节点是否是越多越好呢？ 不是...
2018-10-20 11:06:13
489
原创 小觅的简单代码程序实现
`from future import print_function import os import sys PY_DIR = os.path.dirname(os.path.dirname(os.path.abspath(file))) LIB_DIR = os.path.join(PY_DIR, ‘_install/lib’) for root, dirs, files i...
2018-07-30 11:16:36
1538
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人