weixin_44727352的博客

转载 Datawhale学习计划：| 算法梳理——任务3

决策树算法梳理 信息论基础 熵和条件熵 信息增益和基尼指数的理解 不同分类算法以及应用场景 回归树的原理 原理 防止过拟合手段 一.什么是过度拟合数据？ 过度拟合(overfitting)的标准定义:给定一个假设空间H,一个假设h属于H,如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小,但在整个实例分布上h’比h的错误率小,那么就说假设h过度拟合训练数据. overfittingt...

转载 Datawhale学习计划：| 算法梳理——任务2

1、逻辑回归和线性回归的联系和区别 有助于理解 区别和联系 1.回归问题的应用场景（预测的结果是连续的，例如预测明天的温度，23，24，25度） 回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为499元，我们认为这是一个比较好的回归分析。一个比较常见的回归算法是线性回归算法（LR）。 另外，回归分析用在神经网络上，其最上层是不需要...

原创 线性回归原理理解（几何意义上）

原创 Datawhale学习计划：| 算法梳理——任务1

Datawhale学习计划：| 算法梳理——任务1 1、监督学习 分类： 主要有两类：监督学习（Supervised learning）和非监督学习（Unsupervised learning）。 定义： 是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。 例子： 例1、房价预测 这是监督学习的很好的例子，监督学习是指...