堵心好似八局

集成学习方法概述#集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统(multi-classifier system) 、基于委员会的学习(committee-based learning) 等.#集成学习具有比基学习器更强的泛化能力#在集成学习中基学习器称为弱学习器1.通用的集成学习框架：#一个集成由多个基学习器构成，基学习器由基学习算法在训练数据上训练获得，可为决策树、神经网络或其他算法#大多数集成学习方法使用同一种基学习算法产生同

三、经典算法#没有最好的分类器，只有最合适的分类器#深度学习是数据驱动的，失去了数据，再精密的深度网络结构也是画饼充饥，无的放矢。#在很多实际问题中，我们很难得到海量且带有精确标注的数据，这时深度学习也就没有大显身手的余地，反而许多传统方法可以灵活巧妙地进行处理。#监督学习中的几种经典分类算法知识点：[1] SVM模型推导[2] 核函数[3] SMO（Sequential Minimal Optimization）算法[4] 逻辑回归[5] 线性回归[6] 多标签分类[7] Sof

二、模型评估#没有测量，就没有科学#在机器学习领域中，对模型的评估至关重要。只有选择与问题相匹配的评估方法，才能快速地发现模型选择或训练过程中出现的问题#模型评估主要分为离线评估和在线评估两个阶段。#针对分类、排序、回归、序列预测等不同类型的机器学习问题，评估指标的选择也有所不同。知道每种评估指标的精确定义、有针对性地选择合适的评估指标、根据评估指标的反馈进行模型调整，都是机器学习在模型评估阶段的关键问题#模型评估指标的局限性知识点：[1] 准确率（Accuracy）[2] 精确率（Pre

特征工程#对于一个机器学习问题，数据和特征往往决定了结果的上限，而模型、算法的选择及优化则是在逐步接近这个上限#特征工程，是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。#本质上来讲，特征工程是一个表示和展现数据的过程。在实际工作中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解的问题与预测模型之间的关系。知识点：[1] 特征归一化[2][3][4][5]两种常用的数据类型：【1】结构化数据结构化数据类型可以看作关系型数据库的一张表，每

解读model_selection.py模块This module contains functions and classes for model evaluation and selection.该模块包含用于(模型评估和选择的)函数和类。1.cm_element(y_true, y_pred)函数：（1）函数功能：It computes the elements of a conf...

解读estimators.py模块In this module, Standard TwinSVM and Least Squares TwinSVM estimators are defined.在此模块中，定义了标准TwinSVM和最小二乘TwinSVM估计器。模块代码采用clipDCD 算法求解原始问题的对偶问题。1.optimize()函数：It solves a dual op...

1. os.path.split()：按照路径将文件名和路径分割开，返回分割后的字符串列表os.path.split(‘PATH’)1.PATH指一个文件的全路径作为参数：2.如果给出的是一个目录和文件名，则输出路径和文件名3.如果给出的是一个目录名，则输出路径和为空文件名import os#os.path.split（）返回文件的路径和文件名fname,fename=os.p...

最近在看SVM，用到台湾大学林智仁老师的Libsvm库。用grid.py运行没问题，因为正确的改了相关的路径，到了easy.py确不行了，虽然相关路径都改了，但是运行的时候，会自动跳出grid.py的页面，不关掉就一直运行，关掉后就报错误value error not enough values to unpac<expected 3 ，got 0>后来寻找资料发现原因是grid.py...

Course吴恩达机器学习课程完结Andew Ng老师的机器学习终于看完了，收获还是蛮大的。我并不是在Course上看的，我是在B站上看的，本来想在网易云上看结果网易云下架了。我Course作业都完成了结果发现没证书？Excuse me?？？还得购买或者申请助学金？？？没人告诉我，我就吃了这个亏，太穷了，没工资，每个月能来钱的就国家500块救济。现在申请了助学金，估计大概率需要重头再来。不知道要...