Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
机器学习&数据挖掘:特征选择之 wrapper approach
在前面简要介绍了特征选择的Filter方法 由于Filter方法还有很多 在此不能一一介绍 Filter方法从原始特征中选择特征子集 用于后续的机器学习算法 由于Filter在特征选择时 没有考虑到所用的机器学习算法模型 可能会导致选择出的
特征选择机器学习
Wrapper
机器学习
filter
数据挖掘
Learning from Imbalanced Data 非均衡数据学习问题
本文分什么是非均衡数据 非均衡数据对算法的影响 怎样处理非均衡学习以及非均衡学习评估这四个方面进行叙述 在这里 正例或者星号代表多数类 负例或者圆圈代表少数类 1 非均衡问题 非均衡问题有多重形式 1 intrinsic 数据固有属性 数据
特征选择机器学习
imbalanced
Data
机器学习
数据挖掘
提升树算法
这篇博文主要参考了李航 统计学习方法 与论文 GREEDY FUNCTION APPROXIMATION A GRADIENT BOOSTING MACHINE 这里简单记录下对提升树的简单理解 1 梯度提升算法 有关梯度提升算法的细节请参
特征选择机器学习
机器学习特征构建
提升树
梯度提升
GBDT