HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

理解偏倚和方差权衡

当我们讨论预测模型时,预测误差可以分解为两个主要部分:由“偏倚”引起的误差,以及由“方差”引起的误差。模型最小化偏倚和方差的能力之间存在着权衡。理解这两种类型的错误可以帮助我们诊断模型结果,避免过拟合或欠拟合。1偏倚和方差理解不同的误差源是如何导致偏倚和方差的,可以帮助我们改进

相似度分析

最近了解了几个相似度分析相关的算法,整理一下。曼哈顿距离(ManhattanDistance)曼哈顿距离又叫城市街区距离,形象的理解一下就是你要从城市的一个地方到另一个地方,怎么计算你行驶的距离。如下图,想象一下,两个点之间是无数的高楼大厦。。。!image(/img/r

随机森林简易教程

简介基于树的学习算法被认为是最优秀的,也是使用最广泛的监督型学习方法。基于树的算法赋予预测模型高精度、稳定性和易解释性。与线性模型不同,它们能很好地映射非线性关系。它们善于解决手头上的任何问题,包括分类和回归。例如DecisionTrees,RandomForest,Gradie

Cobub无码埋点关键技术的实现

!图片描述(/img/bVXMSS?w900&h500)随着大数据时代的到来,数据采集也已经变的越来越重要。前端埋点作为一个比较成熟的数据接入手段被广泛应用着。目前埋点分为两种方式,有码与无码埋点。有码埋点比较容易理解,即调用SDK的API,在代码中插入埋点的相关代码,实现用户行为采

TensorFlow2

机器学习基础线性回归逻辑回归Softmax分类神经网络线性回归什么是回归?!图片描述(/img/bVXGfb?w765&h514)通俗地讲:给定X1,X2,...,Xn,通过模型或算法预测数值Y,即是回归

Kmeans聚类算法

Kmeans是最流行的,以及最简单的用于挖掘数据潜在结构的机器学习算法之一。Kmeans的目标很简单:根据数据的均值,将数据划分为若干个簇。假定每个簇的均值可以很好地代表簇内的每一个观察值。Kmeans算法假定我们想把数据划分为k个簇,那么我们就需要找出这k个簇的k个中心。该如何定

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。