机器学习算法

机器学习算法的随机数据生成

demi 在 周五, 02/14/2020 - 17:45 提交

在学习机器学习算法的过程中，我们经常需要数据来验证算法，调试参数。但是找到一组十分合适某种特定算法类型的数据样本却不那么容易。还好numpy, scikit-learn都提供了随机数据生成的功能，我们可以自己生成适合某一种模型的数据，用随机数据来做清洗，归一化，转换，然后选择模型与算法做拟合和预测。

干货｜机器学习算法工程师速查表大全

demi 在 周五, 08/02/2019 - 15:50 提交

该内容是Kailash Ahirwar首发在Github的，以下是GitHub链接：https://github.com/kailashahirwar/cheatsheets-ai 。对新手来说，学习机器学习和深度学习是比较困难的，各种深度学习库也是比较难理解，所以，我(原作者)创建了这个机器学习和深度学习速查表，希望对多家有帮助：

梯度提升树(GBDT)原理小结

demi 在 周四, 07/04/2019 - 10:47 提交

本文就对Boosting家族中另一个重要的算法梯度提升树（Gradient Boosting Decison Tree, 以下简称GBDT）做一个总结。GBDT有很多简称，有GBT，GTB，GBRT，MART，其实都是指的同一种算法，本文统一简称GBDT。GBDT在BAT大厂中也有广泛的应用，假如要选择3个最重要的机器学习算法的话，个人认为GBDT应该占一席之地。

机器学习算法基础概念总结

demi 在 周三, 05/29/2019 - 10:42 提交

10折交叉验证：英文名是10-fold cross-validation，用来测试算法的准确性。是常用的测试方法。将数据集分成10份。轮流将其中的9份作为训练数据，1分作为测试数据，进行试验。每次试验都会得出相应的正确率（或差错率）。10次的结果的正确率（或差错率）的平均值作为对算法精度的估计，一般还需要进行多次10折交叉验证，在求其平均值，对算法的准确性进行估计。

机器学习算法中的F值(F-Measure)、准确率(Precision)、召回率(Recall)

demi 在 周一, 05/20/2019 - 09:35 提交

在机器学习、数据挖掘、推荐系统完成建模之后，需要对模型的效果做评价。业内目前常常采用的评价指标有准确率(Precision)、召回率(Recall)、F值(F-Measure)等，本文将对其中某些指标做简要介绍。