weixin_37179744的博客

目录一、提升树介绍1.1 监督学习元素1.1.1 模型和参数1.1.2 目标函数：训练损失+正则化1.1.3 为什么需要一般性原则1.2 决策树集成1.3 树提升1.3.1 Additive Training1.3.2 模型复杂度1.3.3 结构分1.3.4 学习树结构1.4 小结二、公式推导解释2.1 XGBoost 的目标函数2.2 学习第 ttt 棵树2.3 泰勒展开2.4 定义一棵树2.5 定义树的复杂度2.6 叶子结点归组2.7 树结构打分2.8 树的生长细节2.8.1 分裂一个结点2.8.2 .

目录0、环境准备1、聚类 vs 分类2、K-Means2.1、数据拟合和预测2.2、画出决策边界2.3、硬聚类 vs 软聚类2.4、K-Means 算法详解2.5、K-Means 易变性2.6、Inertia2.7、K-Means++2.8、K-Means 加速2.9、Mini-Batch K-Means2.10、如何确定最优的聚类数2.11、K-Means 的局限性在介绍 KMeans 文本聚类 后，我们此篇内容对 KMeans 算法做进一步详细介绍。因关于 KMeans 等经典算法的介绍，无论是原.