<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Thanking The Future]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yifan_nir</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yifan_nir]]></copyright><item><title><![CDATA[《机器学习模型思考》系列：线性回归模型的基本假设]]></title><link>https://blog.youkuaiyun.com/yifan_nir/article/details/104415945</link><guid>https://blog.youkuaiyun.com/yifan_nir/article/details/104415945</guid><author>yifan_nir</author><pubDate>Thu, 20 Feb 2020 18:56:50 +0800</pubDate><description><![CDATA[/关注 长歌大腿 公众号，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。/
文章来源《机器学习模型思考》系列：线性回归模型的基本假设 .
线性模型是众多模型的基准，是更大范围的广义线性模型如支持向量机SVM，逻辑回归等模型的基模型，是经常使用的非常重要的数学方法。但是大多数机器学习或者数学建模的书籍...]]></description><category></category></item><item><title><![CDATA[大规模旅行商TSP问题解决方案（基于分层规划，整数规划）]]></title><link>https://blog.youkuaiyun.com/yifan_nir/article/details/104383551</link><guid>https://blog.youkuaiyun.com/yifan_nir/article/details/104383551</guid><author>yifan_nir</author><pubDate>Tue, 18 Feb 2020 21:50:35 +0800</pubDate><description><![CDATA[关注公众号 长歌大腿，发送“机器学习”关键字，可获取包含机器学习（包含深度学习)，统计概率，优化算法等系列文本与视频经典资料，如《ESL》《PRML》《MLAPP》等。
此实验的代码的github
同步至我的阿里云博客（https://yq.aliyun.com/users/1320894660843258）
#分层规划的旅行商问题解决方案
/上周在无意间跟室友讨论到TSP问题时，我觉得应该把这个...]]></description><category></category></item><item><title><![CDATA[集成学习（Bagging，Boosting） 简介]]></title><link>https://blog.youkuaiyun.com/yifan_nir/article/details/99980999</link><guid>https://blog.youkuaiyun.com/yifan_nir/article/details/99980999</guid><author>yifan_nir</author><pubDate>Wed, 21 Aug 2019 17:52:48 +0800</pubDate><description><![CDATA[引言
一个人的力量是渺小的，但是一群人聚集到一起，就有了群体智慧。如在我们的城市的社会分工中，有的人是工程师，政客，有的人是建筑工人，有的人是教师，也有罪犯等等，每个人对这座城市都贡献着价值，整座城市也就井然有序，盎然向上，由于每个人对社会的作用不同，甚至有的为负贡献如罪犯等，如果有一个决策机关如政府的存在，就可以使数以百万人口的城市运作起来，而不是一盘散沙的存在。这种集聚群体智慧的思想，衍生出了...]]></description><category></category></item><item><title><![CDATA[bagging算法（随机森林RF算法）]]></title><link>https://blog.youkuaiyun.com/yifan_nir/article/details/99980795</link><guid>https://blog.youkuaiyun.com/yifan_nir/article/details/99980795</guid><author>yifan_nir</author><pubDate>Wed, 21 Aug 2019 17:51:16 +0800</pubDate><description><![CDATA[bagging算法（随机森林RF算法简介）
bagging算法特点是各个弱学习器之间没有依赖关系，可以并行拟合。加快计算速度。那么，bagging算法其实是一种工程思维，真正把这个思维转换成可以应用于工程计算的就是随机森林算法

通过上图我们知道，bagging是每个弱学习器之间的并行计算最后综合预测，但是，有一个问题需要我们注意，在训练集到子训练器的过程叫做“子抽样”。
这个子抽样是一个“随机有...]]></description><category></category></item></channel></rss>