1.SVM原理與數據模型推導 支持向量機要解決的問題：就是找到一條合適的決策邊界，決策邊界越大越好。雖然說起來比較拗口，但是中心思想就是離決策邊界最近的點到決策邊界的距離盡可...
發簡信
IP屬地：北京
-
機器學習系列 - 10 SVM支持向量機 -
機器學習系列 - 9. 主成分分析法 PCA
1.主成分分析法思想及原理 1.1 什么是主成分分析法 PCA(Principal Component Analysis)，即主成分分析方法，是一種使用最廣泛的數據降維算法（...
-
機器學習系列 - 8. 決策樹
1.初識決策樹 1.1 什么是決策樹： 決策樹是一種常見的機器學習算法，它的思想十分樸素，類似于我們平時利用選擇做決策的過程。它是類似流程圖的結構，其中每個內部節點表示一個測...
-
機器學習系列 - 7.邏輯回歸1.什么是邏輯回歸： 1.1 線性回歸的3個假設： a.因變量和自變量之間呈線性相關。 b.自變量與干擾項相互獨立。 c.沒被線性模型捕捉到的隨機因素服從正態分布。 1.2 ...
-
機器學習系列 - 6. 重要概念補充1. 多項式回歸 & Pipeline 1.1 多項式回歸： 研究一個因變量與一個或多個自變量間多項式的回歸分析方法，稱為多項式回歸（Polynomial Regressio...
-
RFM模型的實際應用
我們常常叨念或者聽領導上級叨念要做精細化運營，要做用戶分層運營，而后我們知道了用戶分層的其中一個模型——RFM模型，貌似還蠻精細化的，所以決定就用它了； 因此轉頭一想，覺得用...
-
機器學習系列 - 5.梯度下降
一. 梯度下降： 1.為什么需要梯度下降算法： 梯度下降其實是一種基于搜索的最優化方法。梯度下降優化算法，其作用是用來對原始模型的損失函數進行優化，以便尋找到最優化的參數，使...
-
機器學習系列 - 4 線性回歸算法1. 簡單線性回歸： 1.1 損失函數： 在機器學習中，所有的算法模型其實都依賴于最小化或最大化某一個函數，我們稱之為“目標函數”。 最小化的這組函數被稱為“損失函數”。什么...
-
機器學習系列 - 3. 數據預處理
一.KNN優缺點及KD-Tree 1) KNN優缺點： KNN的主要優點有： 理論成熟，思想簡單，既可以用來做分類也可以用來做回歸 天然解決多分類問題，也可用于回歸問題 和樸...
-
機器學習系列 - 2.如何評價模型的好壞A.評價分類的相關指標： 精準度，混淆矩陣，精準率，召回率，F1 score, ROC曲線 1.混淆矩陣： TN：真實值是0，預測值也是0，即我們預測是negative，預測...
-
機器學習系列 - 1.K近鄰算法
1. KNN算法原理： 基本原理：有監督的機器學習算法。 分類 - 未標記的樣本的類別，由距離他最近的K個鄰居投票來決定；回歸 -挑選最近的K個點的值，然后計算這K個點的均值...