机器学习集成学习进阶Xgboost算法案例分析 2
4 otto案例介绍– Otto Group Product Classification Challenge【xgboost实现】4.1 背景介绍奥托集团是世界上最大的电子商务公司之一，在20多个国家设有子公司。该公司每天都在世界各地销售数百万种产品,所以对其产品根据性能合理的分类非常重要。不过,...
机器学习集成学习进阶Xgboost算法案例分析 1
1 xgboost算法api介绍1.1 xgboost的安装官网链接：https://xgboost.readthedocs.io/en/latest/pip3 install xgboost2 xgboost参数介绍xgboost虽然被称为kaggle比赛神奇，但是，我们要想训练出不错的模型，必须...
机器学习EM算法
1 初识EM算法EM算法也称期望最大化（Expectation-Maximum,简称EM）算法。**它是一个基础算法，是很多机器学习领域算法的基础，**比如隐式马尔科夫算法（HMM）等等。EM算法是一种迭代优化策略，由于它的计算方法中每一次迭代都分两步，其中一个为期望步（...
机器学习SVM算法数字识别器
1 SVM算法api1.1 SVM算法api综述SVM方法既可以用于分类（二/多分类），也可用于回归和异常值检测。SVM具有良好的鲁棒性，对未知数据拥有很强的泛化能力，特别是在数据量较少的情况下，相较其他传统机器学习算法具有更优的性能。使用SVM作为模型时，通常采用如下流程：对样本数据...
机器学习SVM算法入门
1 SVM算法简介1.1 SVM算法导入在很久以前的情人节，大侠要去救他的爱人，但魔鬼和他玩了一个游戏。魔鬼在桌子上似乎有规律放了两种颜色的球，说：“你用一根棍分开它们？要求：尽量在放更多球之后，仍然适用。”于是大侠这样放，干的不错？然后魔鬼，又在桌上放了更...
机器学习集成学习算法2
4 Boosting4.1 什么是boosting随着学习的积累从弱到强简而言之：每新加入一个弱学习器，整体能力就会得到提升代表算法：Adaboost，GBDT，XGBoost，LightGBM4.2 实现过程1.训练第一个学习器2.调整数据分布3.训练第二个学习器4.再次调整数据分布5.依次训练学...
机器学习k近邻算法k值的选择
1 K值选择说明举例说明：K值过小容易受到异常点的影响 过拟合k值过大：受到样本均衡的问题 欠拟合K值选择问题，李航博士的一书「统计学习方法」上所说：选择较小的K值，就相当于用较小的领域中的训练实例进行预测，“学习”近似误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，...
机器学习k近邻算法kd树实现优化查询
1 kd树简介1.1 什么是kd树问题导入：实现k近邻算法时，主要考虑的问题是如何对训练数据进行快速k近邻搜索。这在特征空间的维数大及训练数据容量大时尤其必要。**k近邻法最简单的实现是线性扫描（穷举搜索），即要计算输入实例与每一个训练实例的距离。计算并存储好以后，再查找K近邻。**当训练集很大时，...
机器学习Sklearn的k近邻算法api初步使用
1 k近邻算法api初步使用K近邻算法介绍：https://blog.csdn.net/ZGL_cyy/article/details/125583129机器学习流程复习：1.获取数据集2.数据基本处理3.特征工程4.机器学习5.模型评估2 Scikit-learn工具介绍机器学习Sklearn数据...
更新时间 2023-09-22 19:21:17
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
