TEDDY的博客

看了这篇文章你还不懂SVM你就来打我 - 知乎

Content1 引言2 维数灾难与过拟和3 怎样避免维数灾难4 总结　 1 1引言 本文章讨论的话题是“curse of dimension”，即维数灾难，并解释在分类它的重要性，在下面的章节我会对这个概念做一个直观的解释，并清晰的描述一个由维数灾难引起的过度拟合的问题。下面不如正题，考虑我们有一堆猫和狗的图片，现在要做一个分类器，...

在求解线性回归的模型时，有两个需要注意的问题一就是特征组合问题，比如房子的长和宽作为两个特征参与模型的构造，不如把其相乘得到面积然后作为一个特征来进行求解，这样在特征选择上就做了减少维度的工作。二就是特征归一化（Feature Scaling），这也是许多机器学习模型都需要注意的问题。有些模型在各个维度进行不均匀伸缩后，最优解与原来不等价，例如SVM。对于这样的模型，除非本来各维数据的...

有时候样本的波动很明显，可以采用局部加权回归，如下图，红色的线为局部加权回归的结果，蓝色的线为普通的多项式回归的结果。蓝色的线有一些欠拟合了。多项式回归——多一些 高次项的回归局部加权回归的方法如下，首先看线性或多项式回归的损失函数很明显，局部加权回归在每一次预测新样本时都会重新确定参数，以达到更好的预测效果。当数据规模比较大的时候计算量很大，学习效率很低。并且局部加权回归也不是...

一、数据可视化的能力numpy，pandas, matplotlib,pandas 也可以做出 简单的柱状图对比图， matplotlib.pyplot as plt

一站式解决：隐马尔可夫模型（HMM）全过程推导及实现 - 知乎https://zhuanlan.zhihu.com/p/85454896

（十六）通俗易懂理解——PCA主成分分析算法原理 - 知乎https://zhuanlan.zhihu.com/p/42164572PCA主成分分析的可视化 - 知乎https://zhuanlan.zhihu.com/p/28909807...

35题初探scikit-learn库，get机器学习好帮手√ - 知乎https://zhuanlan.zhihu.com/p/97977032

各领域公开数据集下载 - 知乎https://zhuanlan.zhihu.com/p/2数据集查找神器！100个大型机器学习数据集都汇总在这了 | 资源 - 知乎https://zhuanlan.zhihu.com/p/59933802【转载】100款机器学习数据集 - 知乎https://zhuanlan.zhihu.com/p/34497496机器学习新手在数据集上常犯的6...

1.7特征选择特征选择对机器学习至关重要，个人认为在大部分机器学习任务中特征就决定了效果的上限，模型的选择与组合只是无限逼近于这个上限。特征选择的主要作用包括：减少特征数量会防止维度灾难，减少训练时间；增强模型泛化能力，减少过拟合；增强对特征和特征值的理解。常见的特征选择方法如下：去除取值变化小的特征：如果绝大部分实例的某个特征取值一样，那这个特征起到的作用可能就比较有限，极端情况...

https://zhuanlan.zhihu.com/p/33589222

机器学习与深度学习算法集锦本人不生产水，只做大自然 好水 的搬运工！