传统的机器学习任务从开始到建模的一般流程是：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类。本文我们将依据传统机器学习的流程，看看在每一步流程 ...

one-hot 和 TF-IDF是目前最为常见的用于提取文本特征的方法，本文主要介绍两种方法的思想以及优缺点。 1. one-hot 1.1 one-hot编码 　　什么是one-hot编码？o ...

　　在机器学习问题中，我们通过训练数据集学习得到的其实就是一组模型的参数，然后通过学习得到的参数确定模型的表示，最后用这个模型再去进行我们后续的预测分类等工作。在模型训练过程中，我们会对训练数据集进行 ...

本学习笔记参考自吴恩达老师机器学习公开课 聚类算法是一种无监督学习算法。k均值算法是其中应用最为广泛的一种，算法接受一个未标记的数据集，然后将数据聚类成不同的组。K均值是一个迭代算法，假设我 ...

1简单模型 vs 复杂模型 　　对于一个崭新的机器学习的任务，在模型选取和特征向量获取上通常我们会有两种选择方式：a. 简单模型 + 复杂特征项；b. 复杂模型 + 简单特征项。这两种方式各有各的优 ...

1. LR的直观表述 1.1 直观表述 　　今天我们来深入了解一个工业界应用最多，虽然思想简单但也遮挡不住它NB光芒的绽放的一个分类预测模型，它就是LR模型。LR模型可以被认为就是一个被Sigmo ...

　　LR是一个传统的二分类模型，它也可以用于多分类任务，其基本思想是：将多分类任务拆分成若干个二分类任务，然后对每个二分类任务训练一个模型，最后将多个模型的结果进行集成以获得最终的分类结果。一般来说 ...

1. 决策树中的特征选择 　　分类决策树是一种描述对实例进行分类的树型结构，决策树学习本质上就是从训练数据集中归纳出一组分类规则，而二叉决策树类似于if-else规则。决策树的构建也是非常的简单，首 ...

`欠拟合和过拟合 　　欠拟合是指模型不能很好的捕获到数据特征，不能很好的拟合数据，学习能力底下。解决方法：增加模型的复杂度 　　　　 　　过拟合是指模型不仅仅学习了数据集中的有效信息，也学习到了 ...

原文链接：https://blog.csdn.net/blogshinelee/article/details/102875044 1 引言 　　Feature scaling，常见的提法有“特征 ...