qq_36744449的博客

参考文献ensemble-learning

参考文献ensemble-learning1.导言本章我们继续讨论集成学习方法的最后一个成员–Stacking，这个集成方法在比赛中被称为“懒人”算法，因为它不需要花费过多时间的调参就可以得到一个效果不错的算法，同时，这种算法也比前两种算法容易理解的多，因为这种集成学习的方式不需要理解太多的理论，只需要在实际中加以运用即可。 stacking严格来说并不是一种算法，而是精美而又复杂的，对模型集成的一种策略。 Stacking集成算法可以理解为一个两层的集成，第一层含有多个基础分类器，把预测的结果(元特征

参考文献ensemble-learning

参考文献ensemble-learning1. 概念根据数据是否有因变量，机器学习的任务可分为：有监督学习和无监督学习。有监督学习：给定某些特征去估计因变量，即因变量存在的时候，我们称这个机器学习任务为有监督学习。如：我们使用房间面积，房屋所在地区，环境等级等因素去预测某个地区的房价。无监督学习：给定某些特征但不给定因变量，建模的目的是学习数据本身的结构和关系。如：我们给定某电商用户的基本信息和消费记录，通过观察数据中的哪些类型的用户彼此间的行为和属性类似，形成一个客群。注意，我们本身并不知道哪个

参考文献ensemble-learning高数1. 基于梯度的优化方法–梯度下降法使用梯度下降法求函数 y=x2y= x^2y=x2 的极小值点。import numpy as npimport matplotlib.pyplot as pltdef f(x): return np.power(x, 2)def d_f_2(f, x, delta=1e-4): ''' 求导数的第二种方法 ''' return (f(x+delta) - f(x-