Li_yi_chao的博客

注：心得这个东西，属个人体会，有时也可能是不严谨的，需自我不断纠正1、业务知识与数据量之间的关系      反过来，数据量不足时，业务知识是不能拒绝的。2、相关性数据是否应该存在   相关性数据的存在，其本质是增加了该特征的权重——就是说增加了赞成同一个‘倾向’（特征）的支持个数   若项目要求各特征权重一视同仁，则不需要相关性数据；   若对各特征权重的要求不是很苛刻，可以存在相关性数据。3、数...

一、一句话概述：不断调整的，被泛化了的，寻优模型系统二、监督学习框架图二、监督学习要素1、经验误差与泛化误差 ： 衡量模型的准确率2、验证误差与测试误差 ： 衡量模型训练的好坏2、超参数（牵狗绳）：控制参数的参数3、正则化 ： 减小泛化误差，代价是提升了一些经验误差###欢迎加入全网音频视频课程共享群群，和各领域大佬一起讨论学习知识####（若群二维...

hello blog

机器学习是大数据、人工智能的核心，是从事这个领域的必经之路。但是懂得算法还远远不能体现机器学习的价值所在。如果你是开发者，方便的机器学习egg为你涉入该领域提供了便捷。不过，能够确定一套高商业价值的模型，你需要很长的积淀。总结八个机器学习的核心能力以供把控方向。1、问题模型化能力 机器学习的最终目的是实现某种问题的利益最大化，所有实际问题最终都会转化为一个数据科学的优化问题，那...

人工智能的到来，凸显了机器学习、数据挖掘的地位，当人工智能涉及到传统的统计学分析的领域时，自然也产生了很多分歧，研究人员经常困惑的问题是：数据挖掘中是否要做假设检验？其实本质可以理解跨领域导致的，因为大多从事人工智能的人没有足够的统计分析经验。这篇文章就给大家深度剖析一下。 剖析思路主线：从“真正意义上理解什么是假设检验”出发，懂得“做经典假设检验的真正目的是什么”，之...

【怎么处理比较相关的特征】首先存在相关特征对树模型影响不大，主要还是考虑对回归模型的影响；对于回归模型，相关性很强的就去掉好了，相关性较强的，我觉得可以向spss那样做逐步前（后）向回归，就是每次增加或减少一个特征，看对模型的影响，包括特征p值和模型p值；对于树模型，如果不是非要对特征做解释，而重在模型预测的话，可以不用太关注。...