学习
-
机器学习算法（一）SVM
机器学习算法（一）SVM支持向量机（supportvectormachines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM的目的就是想要画出一条线，以“最好地”区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM适合中小型数据样本、非线性、高维的分类问题。SVM最早是由VladimirN.Vapnik和AlexeyYa.Chervonenkis在1963年提出，目前的版本（softmargin）是由CorinnaCortes和Vapnik在1
-
-
高中必备学习软件_有那些免费好用的高中学习软件？[通俗易懂]
高中必备学习软件_有那些免费好用的高中学习软件？[通俗易懂]刷题类1.猿题库记录一天时间app安卓1.爱今天2.timingIOS1.时间块2.atimelogger3.ihour4.nowthenfree专注类1.forest2.番茄todo背单词app这个感觉好多人都知道1.沪江开心词场2.扇贝单词3.百词斩4.知米背单词5.墨墨背单词6.不背单词7.单词日记8.易呗背单词听力方面app可可英语英语流利说每日英语听力沪江听力网易云的电台朗易思听缤…
-
机器学习模型评估的方法总结（回归、分类模型的评估）
机器学习模型评估的方法总结（回归、分类模型的评估）建模的评估一般可以分为回归、分类和聚类的评估，本文主要介绍回归和分类的模型评估：一、回归模型的评估主要有以下方法：指标 描述 metrics方法 MeanAbsoluteError(MAE) 平均绝对误差 fromsklearn.metricsimportmean_absolute_error MeanSquareError(MSE) …
-
[机器学习与scikit-learn-51]：模型评估-图解分类模型的评估指标（准确率、精确率、召回率）与代码示例
[机器学习与scikit-learn-51]：模型评估-图解分类模型的评估指标（准确率、精确率、召回率）与代码示例作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：目录前言：第1章混淆矩阵1.1二分类的混淆矩阵1.2三分类的混淆矩阵1.3N分类的混淆矩阵1.4混淆矩阵的作用第2章准确率、精确率、召回率2.1准确率/“正确率”：预测结果正确的百分比（只关心预测结果正确的样本,包括负样本）2.2精确率：预测结果为正例样本中真实为正例的比例（只关心预测结果为正的样本）2.3召回率：所有真实样本中，判为真实样本的.
-
机器学习中最常见的四种分类模型
机器学习中最常见的四种分类模型点击蓝字关注我，有干货领取！作者：JasonBrownlee翻译：候博学前言机器学习是一个从训练集中学习出算法的研究领域。分类是一项需要使用机器学习算法的任务，该算法学习如何为数据集…
-
深度学习优化策略—权重、权重初始化与权重衰减「建议收藏」
深度学习优化策略—权重、权重初始化与权重衰减「建议收藏」Nobiasdecay:一般来说，权重衰减会用到网络中所有需要学习的参数上面。然而仅仅将权重衰减用到卷积层和全连接层，不对biases，BN层的\gamma,\beta做权重衰减，效果会更好。BagofTricksforImageClassificationwithConvolutionalNeuralNetworks…
-
ResNet34学习笔记+用pytorch手写实现
ResNet34学习笔记+用pytorch手写实现看懂ResNet，需要理解两个点：shortcut的处理，以及网络结构理解1——IdentityMappingbyShortcuts（快捷恒等映射）我们每隔几个堆叠层采用残差学习。构建块如图2所示。在本文中我们考虑构建块正式定义为x和y是考虑的层的输入和输出向量。函数F(x,Wi)表示要学习的残差映射。图2中的例子有两层，F=W2σ(W1x)中σ表示ReLU[29]，为了…
-
『机器学习笔记 』GBDT原理-Gradient Boosting Decision Tree
『机器学习笔记 』GBDT原理-Gradient Boosting Decision Tree1.背景1.1GradientBoosting1.2提升树-boostingtree回归问题提升树算法2GradientBoostingDecisionTree2.1函数空间的数值优化2.2算法Shrinkage总结附录参考资料相似算法：1.背景决策树是一种基本的分类与回归方法。决策树模型具有分类速度快，模型…
-
