机器学习

机器学习的终极指南

H 你曾经想知道我们每天生产多少数据!金额真的是令人难以置信的。由于IOT,应用程序等不同的来源,正在生成大量数据。 公司和企业正在迈向电机学习等技术,以便分析和预测未来(使用历史数据),这有助于改善其业务流程。 什么!我们可以预测未来吗?是的是的!你听到了。我们的未来就是关于机器人学......

查看帖子
XGBoost.详细解释

在上一篇文章中,我们详细解释了促进北京快3app,我们详细讨论了促进北京快3app和工作。 在这篇文章中,让我们在提升类别中讨论一个更流行的北京快3app:XGBoost。 XGBoost XGBoost(极端梯度提升),这是最受欢迎的梯度升压北京快3app之一。它是一种基于决策树的集合机器学习北京快3app,它使用梯度升压框架。 注意:此渐变升压树北京快3app与...相同

查看帖子
提高北京快3app详细解释

在以前的帖子中,详细解释的随机森林我们讨论了随机森林,该森林利用袋装技术来创建决策树的集合。在这篇文章中,我们将讨论提升技​​术,并将查看一些流行的北京快3app,如:自适应提升或adaboostgradient升压 它使用促进技术来创建集合。 提升介绍 提升的基本思想是将很多弱的学习者结合起来获得强大的学习者,在哪里......

查看帖子
随机森林详细解释

在我以前的帖子中,我已经谈过了决策树,并详细解释了它是如何工作的。在这篇文章中,我们将谈论随机森林,这是决策树的集合。 随机森林几乎总是比单个决定树更好。这就是为什么它是最受欢迎的机器学习北京快3app之一。随机森林使用称为袋装的技术,这是一个集合方法。 在潜入对随机森林的理解之前让我们花一些时间......

查看帖子
主成分分析详细说明

在这篇文章中,我们将研究PCA如何工作,并有助于减少维度。但之前,让我们来看看需要了解PCA所需的一些先决条件。 Prerequisites 让我们了解不同类型的矩阵。下面的列表只需介绍不同类型的矩阵。 Matrix: 表示(行x列)空矩阵:具有所有元素0的矩阵称为空矩阵流矩阵:行矩阵是仅具有一个rowcolumn的矩阵......

查看帖子
决策树详细解释

决策树(基于树的北京快3app)是高解释性和直观北京快3app。它与人类思维工作的工作几乎与决策制定相同。我们可以将其视为嵌套的IF和否则陈述形成颠倒的树。 因此,很容易向业务团队解释模型的结果。 正如您在上面所示的图表中看到的,我们在每个节点上询问问题并根据答案,我们要么左转。另外,请注意......的叶子......

查看帖子
支持向量机详细解释

有很多北京快3app等逻辑回归,朴素的贝叶斯等,用于解决分类问题。虽然这些北京快3app很受欢迎且在整个行业中使用,但它们未能分类复杂的分类任务,如图像分类,语音检测等。 支持向量机也称为SVM,其能够处理相当复杂的问题,其中逻辑回归等模型主要是失败的。 SVM北京快3app的少数属性和用例......

查看帖子
套索和山脊回归详细说明

在线性回归中,我们看到模型的复杂性不受控制。线性回归仅尝试最小化错误(例如MSE),并且可能导致任意复杂的系数。 我们正在开发的模型应该尽可能简单,但并不能简单。 正规化是用于创建最佳复杂模型的过程,即,在训练数据上良好的同时尽可能简单的模型。  我们可以从上面显示的图表中看到...

查看帖子
Logistic回归详细说明

Logistic回归是二进制分类模型,即,在输出是分类变量的情况下,它将有助于进行预测。 我们无法绘制一条线并将数据点分为两个类。所以我们可以使用曲线也称为乙状曲线。 SIGMOID函数表示为: $$ 1 \ over {1 + e ^ { - (\ beta_0 + \ beta_1x)}} $$ 我们知道线性回归被表示为: $$ h_ \ theta(x)= w ^ tx $$ 逻辑回归表示为\(h_ \ theta(x)= g(w ^ tx ...

查看帖子
订阅机器学习