futu147的博客

算法相关内容

Adaboost 算法

DBSCAN类的重要参数也分为两类，一类是DBSCAN算法本身的参数，一类是最近邻度量的参数epsDBSCAN算法参数，即我们的ϵ-邻域的距离阈值，和样本距离超过ϵ的样本点不在ϵ-邻域内。默认值是0.5DBSCAN算法参数，即样本点要成为核心对象所需要的ϵ-邻域的样本数阈值。默认值是5metric最近邻距离度量参数algorithm最近邻搜索算法参数，算法一共有三种，第一种是蛮力实现‘brute’，第二种是KD树实现‘kd_tree’，第三种是球树实现‘ball_tree’............

数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得**评价指*标J（目标函数）**最小算法采用**误差平方和**准则函数作为聚类准则函数K-Means算法过程★算法过程如下（1）从数据集中随机选取K个数据作为初始质心,质心点不一定是数据集中的数据.（2）对剩余的每个数据测量其到每个质心的距离，并把它归到最近的质心的类.质心不变重点n_clusters。.........

一种非参数、惰性学习方法，导致预测时速度慢当训练样本集较大时,会导致其计算开销高样本不平衡的时候，对稀有类别的预测准确率低KNN模型的可解释性不强。

机器学习理论简介

决策树 : 信息增益, 信息增益率, gini系数

逻辑回归

朴素贝叶斯 : 高斯朴素贝叶斯, 多项式朴素贝叶斯, 伯努利朴素贝叶斯

随机森林 : 样本随机,特征随机

线性回归 : 梯度下降

支持向量机 : 可以进行升维,再对数据进行分类