Andrew在他的机器学习课程里强调，在进行学习之前要进行特征缩放，目的是保证这些特征都具有相近的尺度，这将帮助梯度下降算法更快地收敛。 python里常用的是preprocessing.StandardScaler() 公式为：(X-mean)/std 计算时对每个属性/每列分别进行 ...

一、特征工程概述 “数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到提升，有时甚至在 ...

机器学习是从数据中自动分析获取规律（模型），并利用规律对未知数据进行预测。 数据集的构成：特征值+目标值（根据目的收集特征数据，根据特征去判断、预测）。（注意：机器学习不需要去除重复样本数据） 常用的数据集网址： Kaggle网址：https://www.kaggle.com ...

API： 使用OpenCV已经训练好的模型实现行人检测 ...

0. 引言 　　利用机器学习的方法训练微笑检测模型，输入一张人脸照片，判断是否微笑； 　　精度在 95% 左右（ 使用的数据集中 69 张没笑脸，65 张有笑脸 ）； 　　　　图1 测试图像与检测结果 　　　　　项目实现的笑脸识别，并不是通过 计算嘴唇角度，满足一定弧度认定 ...

2 过滤式选择 　　过滤式选择和后续学习器无关，首先用特征选择过程对初始特征进行过滤，然后用过滤后的特征来训练模型。 　　Relief：用一个“相关统计量”的向量来度量特征的重要性，每个分量对应一个特征。 对特征子集的重要性评估为相关统计分量之和。 2.1 “相关统计量”的确定 ...

前言 以下内容是个人学习之后的感悟，转载请注明出处~ 简介 　　在生活中，经常会遇到这样一个对象集，有个别的对象是与大部分对象不一样的，且前者是比较罕见的。我们通常 需要去发现它，这就用到了非监督学习的异常检测算法，下面来举一些异常检测的应用 ...

，通过专业的技巧进行数据处理，是的特征能在机器学习算法中发挥更好的作用。优质的特征往往描述了数据的固有结构 ...