gaobing1993的博客

1.前言既然曹老爷子的后四十回丢了，那么每个人热爱它的人，都有一种激情去

1.集成学习(Ensemble Learning)集成学习就是将多个弱分类器组合成为一个强分类器。比起几千年才出一个的力能扛鼎的项羽来说，我们找十几个匹夫把鼎抬过去会更简单一些。这就是集成学习的思想，允许单个模型缺陷的存在，使用多个模型的组合去消除掉单个模型的这种缺陷，达到更理想的结果。所以我们需要思考两个问题：1.在这种集成思想下，如何训练单个模型。2.使用怎样的方式将多个模型组合起来。围绕上面的两个问题，下面我们介绍一下常用的几种集成学习的套路。1.1 Bagging(bootstrap a

1.前言 先来一段废话：从小，在我的思想中就有一块荒无人烟的戈壁，好像我是已经穿越到了自己死后的世界。在那里我的意识感觉到了前所未有的恐惧，因为所有的一切都与我无关了，对于这个世界来说我只是一个过客而已。就好像我和那里的大地融为了一体，任岁月从我的身上缓缓的流去。但我明显的知道这并不是最恐怖的事情，最恐怖的是我会完完全全的消失掉，什么地方都没有我了。人不能接受自己的消失是一件很奇怪的事情，因为世界上所有的东西都会消失，但为什么是我们会有这种恐惧的情绪。恐惧其实是一种自我保护机制...

1.前言 你要是愿意流浪，我陪你到海角天边；你如果想要安顿，我便日出日落柴米油盐；你是我想捧在手心里，一直都看不够的小紫罗兰。我觉得我已经幸福的过了头，当你在我的梦中出现的时候；前一生我不小心用石头砸到了你的头，所以这一辈子你就像石头一样敲碎我的心。但是守候一颗石头的快乐，却使我笑成了个傻子；此段纯属废话 ，不用理会；2.决策树 决策树的思想是使用树的形式来还原特征和分类之间的关系，树根和树杈表示的是特征，树叶表示的是分类；当我们生成了这棵树，每一组新的特征便...

1.贝叶斯 1.后验概率 贝叶斯的厉害之处就在于他是一种基于后验概率的统计理论，先解释一下，先验概率是通过经验判断某件事发生的概率；条件概率是已经x发生的条件下y发生的概率；后验概率是发生了y事件，条件x成立的概率； 2.贝叶斯公式 解释一下就是，分子表示的是A概率*A条件下B的概率，这就可以表示出AB同时发生的概率；同时概率除以B发生的概率自然 ...

1.前言 写这篇博客的时候，我头晕脑胀的。晚上11点多，我特别想睡觉，但是一种深深的负罪感把我从床上拉了起来。世界上最遥远的距离，就是明明非常喜欢那这床，却还得假装根本没有把它放在心上。为什么要写感知机呢？这么一个老古董。因为我正好看到了《统计学习方法》的那一课。欲生欲死、死不足惜、夕阳西下、夏天真的特别容易困。2.感知机模型 关于感知机的正儿八经的博客一大堆，如果一味的重复别人的套路就太无聊了。所以这篇我打算以问题驱动的方式，来解释这个算法。就当提前面试...

1.前言 什么叫做聚类，这是一种典型的无监督机器学习算法。简单来说就是把相似度高的放到一堆。在这里我们关注的重点并不是特征和标签之间的关系，而是样本与样本之间的关系。2.K-means聚类 K-means是所有实现聚类的算法中最常用的一种，因为其简单，效果好。听到简单二字是不是觉得有点兴奋，如果学习也是一条食物链的话，那么像这些容易捕捉的猎物，简直就是初学者信心增长的能量之水。那么就一起来蔑视它，蹂躏它把！ K就是我们最终要划分的簇数量，说人话...