- 博客(3)
- 收藏
- 关注
RSS订阅转载 day3.决策树算法梳理
day3.决策树算法梳理 1. 信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度） 信息熵： 信息熵是信息的期望值，公式为： 熵只依赖X的分布，和X的取值没有关系，熵是用来度量不确定性，当熵越大，概率说X=xi的不确定性越大，反之越小，在机器学期中分类中说，熵越大即这个类别的不确定性更大，反之越小。 联合熵： 两个随机变量X，Y的联合分布，可以形成联合熵，用H(X, Y)表示。 条件熵：...
2019-03-05 21:31:26
628
原创 day2.逻辑回归算法梳理
day2.逻辑回归算法梳理 1、逻辑回归与线性回归的联系与区别 逻辑回归本质上是线性回归，只是在特征到结果的映射中加入了一层逻辑函数sigmoid，即先把特征线性求和，然后使用函数sigmoid作为假设函数来预测。sigmoid函数可以将连续值映射到0和1。 sigmoid函数为： 简单来说，逻辑回归与线性回归都属于广义线性模型，线性回归主要用来解决连续值预测的问题（因变量连续），逻辑回归用来...
2019-03-03 17:12:10
234
原创 day1.线性回归算法梳理
打卡：day1.线性回归算法梳理 机器学习的一些概念 有监督、无监督、泛化能力、过拟合欠拟合(方差和偏差以及各自解决办法)、交叉验证 有监督、无监督： 有监督学习：针对有很多特征的数据集，进行有标签或者目标的学习为有监督学习； 无监督学习：针对有很多特征的数据集，试图显式或者隐式地学习出概率分布为无监督学习。 传统上，将回归、分类或者结构化输出问题称为监督学习，将支持其他任务的密度估计称为无监督...
2019-03-01 20:58:24
255
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人