写文章
- @qq_47250064
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
Sklearn机器学习——样本不平衡问题解决、精确率、召回率、ROC曲线
介绍样本分类不平衡问题的解决办法，以及SVC的六个模型评价指标，ROC曲线。
机器学习Sklearn——红酒分类案例详解决策树模型参数
比较细节得讲了决策树的六个参数，一个重要参数，两个随机参数和三个剪枝参数，以及决策树如何让将这个图片导出来。
机器学习Sklearn——核函数、核函数在不同数据集上的表现、核函数的优势和缺点
介绍核函数的不同类型、核函数在不同数据集上的表现，在rbf上表现最好。以及核函数的缺点，提醒我们需要将数据进行统一量纲处理。
机器学习基础——线性回归、过拟合和欠拟合、岭回归和Lasso回归
介绍了非监督学习里面的回归算法的定义，并用波士顿房价的例子进行线性回归，将两种解法（梯度下降法和正规方程法）进行对比，运用均方误差和进行模型评估。还介绍了过拟合和欠拟合以及他们的解决办法（岭回归和Lasso回归）。.........
机器学习基础——分类算法之朴素贝叶斯算法（Bayes)、分类模型评估、选择和调优
介绍了运用贝叶斯算法进行分类，他 的基本概念、进行文本分类案例，进行优缺点的评估。以及分类模型地方调参技巧（网格搜索）以及交叉验证，并在实例中进行检验
到底了