乐胖代购免代理版

回归模型评价指标-SST、SSR、SSE、R-square

本文介绍了回归模型在模型选择上的常见评估指标：SST、SSR、SSE和R-square。SST：The sum of squares totalSSR：

机器学习

SST

SSR

SSE

R-square

原创 2022-10-31 16:22:29 2390 阅读

手撕SVM

序SVM是一种二分类模型，其学习策略为间隔最大化，也等价于“正则化的合页损失函数”最小化。SVM可分为以下三种类型：•

算法

机器学习

支持向量机

人工智能

SVM

原创 2022-10-31 16:22:06 104 阅读

决策树

申明，本部分内容参考了众多网上资料，如有侵权请联系删除。总体介绍决策树（decision tree）是一种基本的分类与回归方

决策树

python

机器学习

算法

子节点

原创 2022-10-31 16:21:38 83 阅读

过拟合高方差，欠拟合高偏差

过拟合是指在训练集上误差小，测试集上误差大；欠拟合是指在训练集和测试集上误差都大。过拟合解决办法：增加训练数据降低模型

机器学习

过拟合

欠拟合

方差

偏差

原创 2022-10-31 16:21:12 39 阅读

一文彻底看懂LightGBM

本文适合有集成学习与XGBoost基础的读者了解LightG

机器学习

LightGBM

GOSS

EFB

Histogram

原创 2022-10-31 16:08:51 641 阅读

深度学习优化器大总结：GD、SGD、Momentum、Nesterov Momentum、AdaGrad、RMSProp、Adam、牛顿法

参考资料：https://www.bilibili.co

机器学习

深度学习

优化器

梯度下降

Adam

原创 2022-10-31 16:08:19 345 阅读

AdaBoost公式推导及流程

本文参考众多资料，在此不进行罗列。下图为AdaBoost的公式推导下图为分类器权重α的推导公式

AdaBoost

集成学习

Boosting

CART

adaptive boosting

原创 2022-10-31 16:08:14 134 阅读

机器学习模型的误差分析-逼近误差、泛化误差、优化误差

逼近误差模型最好能逼近真实模型到什么程度考虑target function和能从假设空间中学到的the bes

误差分析

泛化误差

逼近误差

优化误差

机器学习

原创 2022-10-31 16:08:11 946 阅读

XGBoost公式推导

本文参考了网上较多资料综合而成，在此不进行罗列。

机器学习

XGBoost

集成学习

CART

Boosting

原创 2022-10-31 16:08:10 94 阅读

EM算法

参考资料：https://zhuanlan.zhihu.com/p/78311644https://zhuanl能收敛到全局最优。如

EM

机器学习

隐变量

极大似然

Jensen不等式

原创 2022-10-31 16:08:05 81 阅读

卷积和池化后的特征图维度计算方式

卷积和池化都有如下几个参数：原始数据维度input_shape，卷积核

卷积

池化

CNN

特征图

维度

原创 2022-10-31 16:08:02 539 阅读

神经网络权重为什么不能初始化为0，而线性回归和LR可以？

线性回归基本可以是LR的简化版（论证思路上），因此本文将主要探

神经网络

机器学习

算法

LR

BP

原创 2022-10-31 16:07:58 258 阅读

机器学习中的正则化

正则化介绍“正则化”可以通俗理解为“规则化”，即添加一些规则，对模型参数加以限制，以降

机器学习

正则化

过拟合

数据

原创 2022-10-31 16:07:38 138 阅读

基尼指数 Gini Index

基尼系数（Gini index）反映的是从数据集D中随机选取两个样本，其类别标记不一致的概率。因此，基尼系数越小，数据纯度越高。Gini(D)=1−∑k=1∣γ∣pk2.Gini(D)=1-\sum_{k=1}^{|\gamma|}{p_k^2}.Gini(D)=1−∑k=1∣γ∣pk2....

机器学习

决策树

基尼指数

CART

数据

原创 2022-10-31 16:07:33 168 阅读

过拟合、欠拟合

过拟合是指在训练集上误差小，测试集上误差大；欠拟合是指在训练集和测试集上误差都大。过

机器学习

过拟合

欠拟合

方差

拟合

原创 2022-10-31 16:07:29 207 阅读

什么是包外估计？

包外估计（out-of-bag estimate）是用未在训练集中出现的测试数据来作出决策的方法。【西瓜书P179】包外样本有许多用

机器学习

包外估计

决策树

神经网络

过拟合

原创 2022-10-31 16:07:25 170 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

wx635f7afe41ec6的博客

回归模型评价指标-SST、SSR、SSE、R-square

手撕SVM

决策树

过拟合高方差，欠拟合高偏差

一文彻底看懂LightGBM

深度学习优化器大总结：GD、SGD、Momentum、Nesterov Momentum、AdaGrad、RMSProp、Adam、牛顿法

AdaBoost公式推导及流程

机器学习模型的误差分析-逼近误差、泛化误差、优化误差

XGBoost公式推导

EM算法

卷积和池化后的特征图维度计算方式

神经网络权重为什么不能初始化为0，而线性回归和LR可以？

机器学习中的正则化

基尼指数 Gini Index

过拟合、欠拟合

什么是包外估计？

欢迎