
机器学习
远岫出烟云
心外无物,心外无事,心外无理。
展开
-
人工神经网络的优缺点
炒作,为什么?Niklas Donges 觉得,最近的神经网络是火的有点过了。当然,这也是有原因的:原因之一:数据几十年来积累的海量数据,在2018年,迎来了最光辉的时刻!使得神经网络能够真正展示自己的潜力。数据之于神经网络,就好比波纹之于 JoJo,气之于龟仙人。数据越多,神经网络越浪!相比之下,传统的机器学习算法在数据量面前,会触及一个天花板。一旦到达极限,传统机器学习算法将无...转载 2019-11-06 11:02:33 · 23344 阅读 · 0 评论 -
【吐血推荐】机器学习/深度学习入门资料汇总及学习建议【入门必看】
机器学习入门,初学者遇到的问题非常多,但最大的问题就是:资料太多!!!看不完!!!不知道如何取舍!!!一、机器学习的数学基础正规的机器学习数学基础主要有:数学分析(微积分),线性代数,概率论,统计,应用统计,数值分析,常微分方程,偏微分方程,数值偏微分方程,运筹学,离散数学,随机过程,随机偏微分方程,抽象代数,实变函数,泛函分析,复变函数,数学建模,拓扑,微分几何,渐近...转载 2019-07-03 22:07:08 · 1355 阅读 · 1 评论 -
ROC与AUC最通俗的解释,准确率,错误率 精准率 召回率,ROC,AUC 的区别和联系
前言本文内容大部分来自于如下两个博客:http://blog.youkuaiyun.com/dinosoft/article/details/43114935http://my.oschina.net/liangtee/blog/340317首先,所有的定义均来自下面的图,一定要理解好。1 精准率和召回率,通常用在搜索的评价场合。精准率表示:应该被搜索到的而且实际也搜索出来的...原创 2019-08-24 15:56:27 · 13180 阅读 · 2 评论 -
AUC与准确率关系。AUC越大,准确率就越高?【优先考虑AUC】
问题 近日,一位朋友拿着两个模型预测效果比较的结果来咨询,当然是遇到了一个好像不太正常的现象才来咨询的。两个模型都是二分类结局的,应用常见的Logistic回归模型得到结果如下:模型A的正确率为85%,AUC为0.98;模型B的正确率为93%,AUC为0.92。那么选择哪个模型呢?很多朋友首先应该会质疑方法使用的正确性,不过出现这个问题的可能性很小,我们假设方法是正确的,主要探讨A...转载 2019-08-25 10:53:34 · 38822 阅读 · 2 评论 -
【分类器选择】随机森林 VS 逻辑回归(Softmax)
逻辑回归与Softmax简单理解:一个是二分类,一个是多分类。主要区别是:softmax的函数变了,变化后的函数可以分成多个类别,而逻辑回归的函数只可以分为两个类别。Logistic 回归与 Softmax 回归是两个基础的分类模型,虽然听名字像是回归模型,实际上并非如此。Logistic 回归,Softmax 回归以及线性回归都是基于线性模型。其实 Softmax 就是 Logistic ...原创 2019-08-17 20:24:09 · 9896 阅读 · 0 评论 -
【随机森林】随机森林的 原理/ 样例实现/ 参数调优 分析及 Python代码实现
决策树1.决策树与随机森林都属于机器学习中监督学习的范畴,主要用于分类问题。决策树算法有这几种:ID3、C4.5、CART,基于决策树的算法有bagging、随机森林、GBDT等。决策树是一种利用树形结构进行决策的算法,对于样本数据根据已知条件或叫特征进行分叉,最终建立一棵树,树的叶子结节标识最终决策。新来的数据便可以根据这棵树进行判断。随机森林是一种通过多棵决策树进行优化决策的算法。...原创 2019-08-17 21:04:15 · 5262 阅读 · 0 评论