决策树可以转换成if-then规则的集合，也可以看作是定义在特征空间划分类的条件概率分布。决策树学习算法包括三部分：特征选择，数的生成和数的剪枝。最大优点: 可以自学习。在学习的过程中,不需要使用者了解过多背景知识,...
在人工智能发展史上，各类算法可谓层出不穷。近十几年来，深层神经网络的发展在机器学习领域取得了显著进展。通过构建分层或「深层」结构，模型能够在有监督或无监督的环境下从原始数据中学习良好的表征，这被认为是其成功的...
本文详细介绍基于Python的随机森林（Random Forest）回归算法代码与模型超参数（包括决策树个数与最大深度、最小分离样本数、最小叶子节点样本数、最大分离特征数等等）自动优化代码。...
问题：在空间上线性可分的两类点，分别向SVM分类的超平面做投影，这些点在超平面上的投影仍然是线性可分的吗？
举例梯度下降实例说明归一化的重要性，若两个特征的取值范围不一样，则在学习速率相同的情况下，范围小的特征更新速度会大于取值范围大的特征，需要较多的迭代才能找到最优解。若将两个特征归一化到相同的数值区间，两特征的更...
我记得我在选修一门课程时，教授花了两节课反复研究决策树的数学原理，然后才宣布:“同学们，决策树算法不使用任何这些。”很显然，这些课程并不是关于基尼系数或熵增益的。教授在讲课时几分钟就避开了他们。这两节课是180分...
Gradient Boosting Neural Networks: GrowNet
目前神经网络为很多业务带来了巨大的提升，但是对于神经网络的解释性，以及在某些表格数据的效果不如树模型依旧存在很多可以研究的方向，今天就看看Netflix如何基于GBDT的思想来设计梯度提升决策树网络，文章简单，idea也很有...
曾听人说，几乎每一个搞机器学习的人，都有一个自己特别喜欢的算法。确实如此，像我这种每次被单词都从a开始背到渣渣，就对我首次接触的算法情有独钟。不管什么问题都喜欢从我钟爱的算法开始分析建模。...
