逻辑回归（二元+多元分类原理）
二元分类 Sigmod函数 逻辑回归中的损失函数 多元分类 当我们处理多分类任务时，通常需要使用Softmax Regression模型。Softmax Regression会对每一类 ...
原文：分类问题（五）多元分类
多元分类 之前介绍过二元分类器，可以将数据分成两个类别 例如 数字 和 非数字 。多元分类器 也称为多项式分类器 可以区分两个以上的类别。 有些算法 例如随机森林或朴素贝叶斯 可以直接处理多个类别。其他如SVM 线性分类器则是严格的二元分类器。不过我们仍有很多不同的办法可以让二元分类器实现多元分类的功能。 例如，其中一种将手写数字分类成 个类别 的方式是训练 个二元分类器，每个二元分类器分类一个数 ...
2020-02-19 13:37 0 1870 推荐指数：
相关推荐
分类问题（七）多标签分类与多输出分类
多标签分类 到现在为止，我们看到的模型与数据都是将一条数据分类为一个类别。在某些情况下，我们可能需要分类器为每条数据输出多个类别。例如，假设有一个人脸识别分类器，如果它在同一张图片上认出了多张人脸的话，它应该输出什么呢？显然，它应该为每个它认出的人脸打上一个标志。 假设这个人脸识别分类器已经 ...
分类问题（二）分类器的性能衡量
性能衡量 评估一个分类器的性能一般比评估一个回归器（regressor）更为复杂，所以我们会在这里大篇幅介绍分类器的性能评估，并且它也有多种评估方法。 使用CV衡量准确度 一个比较好的评估模型的办法是使用交叉验证。sk-learn提供了一个交叉验证精准度的方法 ...
分类问题（分类器方法）
一.K-近邻算法（k-NearstNeighbor,kNN） 使用某种距离计算方法进行分类。 思路：如果一个样本在特征空间中的k个最邻近样本中的大多数属于某一类别，则该样本也属于这个类别。该方法所选择的邻居都是已经正确分类的对象。 常用向量距离：欧式 马氏 信息熵。kNN中一般 ...
GBDT用于分类问题
一、简介 GBDT在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个 一：效果确实挺不错。 二：既可以用于分类也可以用于回归。 三：可以筛选特征。 这三点实在是太吸引人了，导致在面试 ...
Keras分类问题
...
sklearn多分类问题
python机器学习-乳腺癌细胞挖掘（博主亲自录制视频） https://study.163.com/course/introduction.htm?courseId=1005269003& ...
分类问题（六）误差分析
误差分析 如果上一章中的分类器是一个真实的项目，则我们最好是要遵循机器学习项目步骤：探索数据、准备数据、尝试多个模型、列出表现最好的几个模型、使用GridSearchCV对超参数进行调优、尽可能实现自动化。现在，假设我们已经有了一个性能还不错的模型，接下来我们要找一些办法去优化、提升它。其中一 ...