1、XGBThttps://www.cnblogs.com/pinard/p/10979808.html2、面试https://mp.weixin.qq.com/s?__biz=MzI1MzY0MzE4Mg==&mid=2247485159&idx=1&sn=d429aac8370ca5127e1e786995d4e8ec&chksm=e9d01626dea79f3

特征工程：归一化、标准化特征选择：Pearson相关系数卡方验证互信息和最大信息系数距离相关系数方差选择法过拟合和欠拟合的解决办法pass方差和偏差的影响pass选择参数的策略1、网格搜索全空间扫描，比较慢2、Random search速度较快，但可能会错失空间上重要的一些点，精度不够3、Hyperopt是一种通过...

最近做了一个工作就是对属性进行分类，然后用了不同的分类器，其中就用到了SVM，再次做一个总结。1、什么是SVM？对于这个点已经介绍的非常多了，不管是西瓜书还是各种博客，就是我们需要找到一个超平面，用这个超平面把数据划分成两个类别，最开始的SVM就是在二分类的问题上应用，在之后被扩展到多类别的分类。对于SVM的推导公式不是很复杂，在此就不进行推导，大概清楚最基本的原理然后就进行应用就可以了。如下图所

最近做了一个工作就是对属性进行分类，然后用了不同的分类器，其中就用到了SVM，再次做一个总结。1、什么是SVM？对于这个点已经介绍的非常多了，不管是西瓜书还是各种博客，就是我们需要找到一个超平面，用这个超平面把数据划分成两个类别，最开始的SVM就是在二分类的问题上应用，在之后被扩展到多类别的分类。对于SVM的推导公式不是很复杂，在此就不进行推导，大概清楚最基本的原理然后就进行应用就可以了。如下图所

1、登陆账户下载文件之前必修要有一个kaggle的账户。2、创建API进入Account中去创建一个API。创建完API后会有一个kaggle.json的文件下载下来。3、通过pip安装kaggle用win+r打开dos窗口，并输入pip install kaggle进行kaggel的下载安装。4、复制文件到相应目录然后将文件复制到.kaggle中去。5、开始下载文件...

最近做了一个工作就是对属性进行分类，然后用了不同的分类器，其中就用到了SVM，再次做一个总结。1、什么是SVM？对于这个点已经介绍的非常多了，不管是西瓜书还是各种博客，就是我们需要找到一个超平面，用这个超平面把数据划分成两个类别，最开始的SVM就是在二分类的问题上应用，在之后被扩展到多类别的分类。对于SVM的推导公式不是很复杂，在此就不进行推导，大概清楚最基本的原理然后就进行应用就可以了。如下图所