机器学习一:监督学习笔记
来源:互联网 发布:insert into多个数据 编辑:程序博客网 时间:2024/05/21 09:10
首先,分类学习是对于事物类别的一个判断,一般通常以二分类为例子,结果只有yes 或者no,并且是针对离散变量而言的(如花的分类,泰坦尼克号生还率的预测,良性/恶性肿瘤的预测,新闻分类,对手写数字的识别等等)。
但回归预测是对事物的一个发展趋势的一个预测,并且是针对连续变量(如波士顿房价预测)
1.线性分类器:通过累加计算每个维度的特征与各自权重的乘积来帮助决策。
2.支持向量机:两个空间间隔最小的不同类别的数据点(手写数字的辨别)
3.朴素贝叶斯:单独考虑每维被分类的条件概率,然后合并这些概率从而做出决策。(常用于海量互联网文本分类任务,垃圾邮件的筛选)
4.决策树:是一种非线性关系,通过选取不同的特征来搭建节点。通常用信息熵和基尼不纯性来度量(泰坦尼克号)
5.K近邻:寻找最近的K个值作为预测参考。(近朱者赤,近墨者黑)
6.集成模型:利用相同的训练数据同时独立搭建多个模型,通过少数服从多数来决策。
其中随机森林Random Forest Classifier 一般被作为基线系统 baseline system(一种对比评价其它模型性能的标准)
在线性学习当中,一般用精度accuarcy,召回率call (值越大越好),F1来衡量一个模型的性能的。
在回归预测中,一般用R-squared验证了回归方面的能力(值越大越好),MAE平均绝对误差(值越小越好),MSE均方误差(值越小越好)来衡量一个模型的性能的。
阅读全文
1 0
- 机器学习笔记 (一) 监督学习、无监督学习
- 机器学习一:监督学习笔记
- 【机器学习笔记】一、Supervised learning监督学习
- 机器学习笔记 监督学习算法小结(一)
- 机器学习笔记(一) 监督学习和无监督学习
- 吴恩达 机器学习笔记一(lecture 1)(监督、无监督学习)
- 机器学习笔记1---监督学习和无监督学习
- 机器学习--监督学习(一)
- 机器学习(一)监督学习
- 机器学习笔记(十三)半监督学习
- 机器学习笔记之监督学习
- 机器学习笔记之无监督学习
- 机器学习-监督学习
- 监督性机器学习算法笔记
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习)
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习)
- 监督学习之梯度下降——Andrew Ng机器学习笔记(一)
- 【debug】CRT detected that the application wrote to memory after end of heap buffer
- v-once
- l2tpipsec vpn 安装配置详解 nginx
- PDF 中图片的提取
- Retrofit + RxJava + OkHttp 让网络请求变的简单-基础篇
- 机器学习一:监督学习笔记
- History对象
- OJ.1996: C语言实验——打印菱形
- hibernate笔记-011-单向一对多映射
- CFileDialog用法
- 关于arcgis版本问题的讲解例如CPG
- windows下检测软件运行状态。脚本
- |BZOJ 1633|字符串DP|[Usaco2007 Feb]The Cow Lexicon 牛的词典
- JVM相关文章聚合