学习笔记： 机器学习经典算法-分类算法模型的评价指标
1、分类准确度（accuracy） 分类准确率(ACC，accuracy )： 该指标描述了统计测试集的模型预测结果与真实标签的一致度,是一般情况下在 无倾斜样本总体 的分类评价中最常用的指标，准确率越高，意味着分类模型效果越好。$$ACC = \frac {TN+TP}{TN+FP+FN+TP}$$np.sum( Y_predict ==Test_Y)/len(Test_y) 缺...
学习笔记： 机器学习经典算法-分类算法模型性能评估(准确度Accuracy)
在部署一个算法模型到生产环境之前，有必要对模型的性能进行测试；通常，对于准备投入模型训练的原始数据集拆分成训练数据(70%~80%)和测试数据(20%-30%)来训练模型和测试模型性能。 train_test_split ①自划分 np.random.seed(666) shuffle_index = np.random.permutation(len(X)) train_index ...
机器学习算法之——K最近邻(k-Nearest Neighbor，KNN)分类算法原理讲解
k-最近邻算法是基于实例的学习方法中最基本的，先介绍基于实例学习的相关概念。01基于实例的学习已知一系列的训练样例，很多学习方法为目标函数建立起明确的一般化描述；但与此不同，基于实例的学习方法只是简单地把训练样例存储起来。从这些实例中泛化的工作被推迟到必须分类新的实例时。每当学习器遇到一个新的查询实例，它分析这个新实例与以前存储的实例的关系，并据此把一个目标函数值赋给新实例。基于实例的方法可以为....
②机器学习分类算法之XGBoost（集成学习算法）
调参步骤及思想选择较高的学习速率(learning rate)。一般情况下，学习速率的值为0.1。但是，对于不同的问题，理想的学习速率有时候会在0.05到0.3之间波动。选择对应于此学习速率的理想决策树数量。XGBoost有一个很有用的函数“cv”，这个函数可以在每一次迭代中使用交叉验证，并返回理想的决策树数量。对于给定的学习速率和决策树数量，进行决策树特定参数调优(max_depth, min....
①机器学习分类算法之XGBoost（集成学习算法）
走进XGBoost什么是XGBoost？全称：eXtreme Gradient Boosting作者：陈天奇(华盛顿大学博士)基础：GBDT所属：boosting迭代型、树类算法。适用范围：分类、回归优点：速度快、效果好、能处理大规模数据、支持多种语言、支持自定义损失函数等等。缺点：算法参数过多，调参负责，对原理不清楚的很难使用好XGBoost。不适合处理超高维特征数据。XGBoost是陈天奇等....
③机器学习分类算法之随机森林（集成学习算法）
min_samples_split优化# min_samples_split优化 scorel = [] for i in range(2,20): RFC = RandomForestClassifier(max_depth=20,n_estimators=51,min_samples_leaf=1,min_samples_split=i, ...
②机器学习分类算法之随机森林（集成学习算法）
如何调参对于随机森林如何调参，这里给出一些好的建议，如果你是网格搜索，而且是那种毫无规则的网格搜索，那么模型跑个三天三夜也未必有结果，此外，你的机器可能没有这么好的配置，根本跑不动！在下图中，我们可以看到这些参数对Random Forest整体模型性能的影响：① 基于泛化误差与模型复杂度的关系来进行调参；② 根据对模型的影响程度，由大到小对参数排序，并确定哪些参数会使模型复杂度减小，哪些会增大；....
①机器学习分类算法之随机森林（集成学习算法）
什么是集成学习？定义：本身并不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务，以达到获得比单个学习器更好的学习效果的一种机器学习方法。高端点的说叫“博彩众长”，庸俗的说叫“三个臭皮匠，顶个诸葛亮”。思路：在对新的实例进行分类的时候，把若干个单个分类器集成起来，通过对多个分类器的分类结果进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。如果把单个分类器比作一个决....
☆打卡算法☆LeetCode 75、颜色分类 算法解析
一、题目1、算法题目“给定包含红白蓝颜色的数组，对它们进行排序，使得相同颜色的元素相邻。”题目链接：来源：力扣（LeetCode）链接：75. 颜色分类 - 力扣（LeetCode） (leetcode-cn.com)2、题目描述给定一个包含红色、白色和蓝色，一共 n 个元素的数组，原地对它们进行排序，使得相同颜色的元素相邻，并按照红色、白色、蓝色顺序排列。此题中，我们使用整数 0、 1 和 2....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能搜索推荐
智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，以及在电商、内容、直播、社交等领域的业务沉淀，为企业开发者提供场景化推荐服务、全链路推荐系统开发平台、工程引擎组件库等多种形式服务，助力在线业务增长。
+关注