欠拟合，过拟合及其解决方法、L1、L2 点击打开链接 训练数据不均衡 点击打开链接 模型评价指标 分F1 ROC点击打开链接 roc补充点击打开链接 集成学习总结 点击打开链接 adaboost点击打开链接 GBDT点击打开链接 stacking 点击打开链接 xgboost 点击打开链接 点击打开链接 sigmoid和softmax 点击打开链接 逻辑回归推导 点击打开链接 梯度下降 点击打开链接 逻辑回归的梯度下降 点击打开链接 欧氏距离余弦距离点击打开链接 点击打开链接 kmeans点击打开链接
本文涵盖机器学习的基础概念如欠拟合与过拟合及其解决办法，介绍L1、L2正则化方法，并深入探讨集成学习技术包括AdaBoost、GBDT、Stacking及XGBoost等。同时涉及模型评估指标如F1分数、ROC曲线，以及常见的距离度量方法如欧氏距离和余弦相似度。
扫一扫
738
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
