文章目录系列文章1 集成学习算法介绍2 Bagging和随机森林2.1 Bagging集成原理2.2 随机森林2.3 包外估计2.4 随机森林API3 案例：奥拓产品分类3.1 背景介绍3.2 数据集介绍3.3 评分标准3.4 实现过程4 Boosting介绍4.1 什么是Boosting4.2 实现过程4.3 Bagging集成和Boosting集成的区别5 AdaBost5.1 构成过程细节5

阿里云服务器 Linux CentOS+宝塔面板+MySQL1、阿里云学生机注册好阿里云账号后，进入下列网址：开发者成长计划一般购买便宜的轻量应用服务器，下面两个都是一样的。地区尽量选离自己近的，镜像类型选系统镜像，然后选择一个系统，这里选择CentOS7.6（一定要选Linux的系统，后面好配合），数据盘不需要额外添加。进入控制台并选中服务器设置自己密码在防火墙中打开下列端口2、宝塔面板官网网址

阿里云服务器 Linux CentOS+宝塔面板+MySQL1、阿里云学生机注册好阿里云账号后，进入下列网址：开发者成长计划一般购买便宜的轻量应用服务器，下面两个都是一样的。地区尽量选离自己近的，镜像类型选系统镜像，然后选择一个系统，这里选择CentOS7.6（一定要选Linux的系统，后面好配合），数据盘不需要额外添加。进入控制台并选中服务器设置自己密码在防火墙中打开下列端口2、宝塔面板官网网址

文章目录系列文章1 集成学习算法介绍2 Bagging和随机森林2.1 Bagging集成原理2.2 随机森林2.3 包外估计2.4 随机森林API3 案例：奥拓产品分类3.1 背景介绍3.2 数据集介绍3.3 评分标准3.4 实现过程4 Boosting介绍4.1 什么是Boosting4.2 实现过程4.3 Bagging集成和Boosting集成的区别5 AdaBost5.1 构成过程细节5

文章目录系列文章线性回归1 线性回归简介2 线性回归API初步使用3 数学求导复习4 线性回归的损失和优化4.1 损失函数4.2 优化算法正规方程梯度下降梯度下降生动解释梯度的概念梯度下降公式小结5 梯度下降方法介绍（了解即可）5.1 详解梯度下降算法相关概念复习梯度下降法的推导5.2 梯度下降法家族全梯度下降算法（FG）随机梯度下降算法(SG)⼩批量梯度下降算法(Mini-Batch)随机平均梯

文章目录系列文章线性回归1 线性回归简介2 线性回归API初步使用3 数学求导复习4 线性回归的损失和优化4.1 损失函数4.2 优化算法正规方程梯度下降梯度下降生动解释梯度的概念梯度下降公式小结5 梯度下降方法介绍（了解即可）5.1 详解梯度下降算法相关概念复习梯度下降法的推导5.2 梯度下降法家族全梯度下降算法（FG）随机梯度下降算法(SG)⼩批量梯度下降算法(Mini-Batch)随机平均梯

文章目录系列文章决策树1 决策树算法简介2 决策树分类的原理2.1 信息熵2.2 决策树划分依据—信息增益(ID3)2.3 决策树划分依据—信息增益率(C4.5)2.4 决策树划分依据—基尼值和基尼指数(CART)2.5 小结决策树各个公式各算法优缺点如何评估分割点的好坏？决策树变量的两种类型3 CART减枝3.1 为什么需要剪枝？3.2 常用的剪枝方法预剪枝后剪枝小结-预剪枝和后剪枝优缺点4 特

首先注意力模型可以宏观上理解为一个查询（query）到一系列（键key-值value）对的映射。将Source（源）中的构成元素想象成是由一系列的<Key,Value>数据对构成，此时给定Target（目标）中的某个元素Query（查询），通过计算Query和各个Key的相似性或者相关性，得到每个Key对应Value的权重系数，通过softmax归一化后，对权重和相应Value进行加权

文章目录系列文章3.1 Matplotlib之Hello World1 Matplotlib介绍2 Matplotlib画图流程3.2 基础绘图功能（以折线图为例）1 坐标刻度、标签、网格、图像保存2 在一个坐标系里绘制多个图3 在一个图里绘制多个坐标系3.3 常见图形绘制1 折线图2 散点图3 柱状图4 直方图5 饼图6 特殊柱状图两条柱状图水平柱状图堆叠柱状图系列文章机器学习入门 01 ——

机器学习基础环境安装与使用2.1 库的安装整个机器学习基础阶段会用到Matplotlib、Numpy、Pandas等库。如果是使用PyCharm开发，我们可以去PyCharm里直接安装。1、创建新项目并勾选下面两个选项2、在设置中找到当前项目，点击加号后搜索库名进行安装（matplotlib、numpy、pandas、tables、jupyter）3、后面新建的项目直接选刚刚创建的虚拟环境由于后面