kicilove的小屋

《机器学习实战》中的的机器学习算法，使用Python源码相关文章：【关联规则】Apriori算法分析与Python代码实现 【关联规则】Apriori算法分析与Python代码实现【关联规则】FP-Tree算法分析与Python代码实现 【关联规则】FP-Tree算法分析与Python代码实现【决策树算法】基于信息论的三种决策树算法之ID3算法分析与Python代码实现 【决策树算法】基

一监督学习二无监督学习三强化学习四通用机器学习算法列表线性回归Linear Regression逻辑回归Logistic Regression决策树Decision Tree支持向量机SVM Support Vector Machine朴素贝叶斯Naive BayesK近邻KNN K- Nearest NeighborsK均值K-MeansK-means如何形成群类随机森林Random

前言：我们学习一个算法总是要有个指标或者多个指标来衡量一下算的好不好，不同的机器学习问题就有了不同的努力目标，今天我们就来聊一聊回归意义下的损失函数、正则化的前世今生，从哪里来，到哪里去。一．L1、L2下的Lasso Regression和Ridge Regression对于机器学习，谈到正则化，首先映入脑子的可能是L1正则化、L2正则化，接着又跑出来Lasso Regressio

每年高中生和大学生都会申请进入到各种各样的高校中去。每个学生都有一组唯一的考试分数，成绩和背景数据。录取委员会根据这个数据决定是否接受这些申请者。在这种情况下一个二元分类算法可用于接受或拒绝申请，逻辑回归是个不错的方法。