未来几天将解决一下问题：
1.SVM和LR的区别和联系**
2.LR可不可以做非线性分类**
3.bagging和boosting的区别
4.决策树，GBDT
5.介绍一下xgboost，xgboost和GBDT的区别
6.l1正则化和l2正则化
7.如何处理类别不均衡问题
8.如何判断分类器的好坏（分类器的评价指标）
9.介绍Kmeans算法
10.特征工程的方法
漫漫笔试路（4）-学习笔记-20200418（持续更新ing）
本文深入探讨了机器学习中的关键算法和概念，包括SVM、LR、bagging、boosting、决策树、GBDT、xgboost等模型的原理与应用，以及l1/l2正则化、类别不均衡处理、分类器评估指标等内容。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
