θ機器學習

2/51ページ

讀“機器學習中的範數規則化之(一)L0、L1與L2範數”筆記

專案中遇到範數正則化問題,今天拜讀了鄒曉藝大神的博文《機器學習中的範數規則化之(一)L0、L1與L2範數》, 1)其中L0、L1主要是用來特徵選擇,能夠將含有資訊量小的特徵權重優化為0,從而降低特徵的維度 2)L2主要是來防止過擬合(其實在實際工程中,有些反而需要我們去過擬合,比如廣告的點選),此正 […]

機器學習面試問題3

以下內容承接機器學習相關面試2。 Apriori Apriori演算法是一種關聯規則的基本演算法,是挖掘關聯規則的頻繁項集演算法,也稱“購物籃分析”演算法,是“啤酒與尿布”案例的代表。 演算法步驟: 1)依據支援度找出所有頻繁項集。 Apriori演算法是發現頻繁項集的一種方法。Apriori演算法 […]

機器學習面試問題彙總

1監督與非監督區別 2L1L2區別 3生成模型和判別模型區別 像貝葉斯lda 等就是生成模型計算過概率分佈之類的 1svm演算法的原理如何組織訓練資料如何調節懲罰因子如何防止過擬合svm的泛化能力增量學習 2神經網路引數相關比如引數的範圍如何防止過擬合隱藏層點的個數多了怎樣少了怎樣什麼情況下引數是負 […]

機器學習筆試題目—-網易2016春招

2016年3月23日參加了網易機器學習崗的筆試,然後又被鄙視了。因為不允許截圖和拍照,只憑記憶記錄了一些問題。 1、常見的生成式模型和判別式模型有哪些? 生成式模型:HMM、樸素貝葉斯 判別式模型:svm、最大熵模型、決策樹、神經網路、條件隨機場。 2、Android 的intent 都可以傳遞那些 […]

機器學習—決策樹(ID3,C4.5)演算法解析

機器學習—決策樹(ID3,C4.5)演算法解析 Label 機器學習 決策樹 解析 決策樹實現思路:假設有已知的資料集X【例如某些人的集合,資料內容包括用於描述他們的特徵屬性及特徵屬性值,如性別(男|女),年齡(整數),收入(較低|中等|較高)等】,以及資料集的分類標籤Y【是否是某俱樂部的成員(是| […]

機器學習之ID3演算法

     決策樹方法在分類、預測、規則提取等領域有著廣泛的應用。ID3演算法的提出後,決策樹在機器學習和資料探勘等領域得到了極大發展。所以ID3演算法非常重要同時也非常基礎。ID3演算法的核心是在決策樹的各級節點上,使用資訊增益方法作為屬性選擇的標準,來幫助確定生成每個節點時所採用的合適屬性。   […]

機器學習教程之9-SVM的sklearn實現

0.概述 優點:支援向量機(Support Vector Machine,SVM)本質上是非線性方法,在樣本量較少的時候,容易抓住資料和特徵之間的非線性關係(相比線性分類方法如邏輯迴歸),因此可以解決非線性問題、可以避免神經網路結構選擇和區域性極小點問題、可以提高泛化效能、可以解決高維問題。 缺點: […]