最近收缩质心（Nearest Centroids）是一种线性分类机器学习算法。它通过将新样本与训练数据集中基于类别的质心进行比较，来预测样本所属的类别。最近收缩质心算法（Nearest Shrunken Centroids）是其一种扩展，它将基于类别的质心向整个训练数据集的质心进行偏移，并移除 [...]
作者归档 | Jason Brownlee
如何在Python中开发LASSO回归模型
回归（Regression）是一种建模任务，旨在根据输入预测一个数值。线性回归是回归的标准算法，它假设输入与目标变量之间存在线性关系。线性回归的一种扩展是在训练过程中向损失函数添加惩罚项，以鼓励更简单的模型，这些模型具有较小的系数 [...]
如何在Python中开发岭回归模型
回归（Regression）是一种建模任务，旨在根据输入预测一个数值。线性回归是回归的标准算法，它假设输入与目标变量之间存在线性关系。线性回归的一种扩展是在训练过程中向损失函数添加惩罚项，以鼓励更简单的模型，这些模型具有较小的系数 [...]
如何在Python中开发弹性网络回归模型
回归（Regression）是一种建模任务，旨在根据输入预测一个数值。线性回归是回归的标准算法，它假设输入与目标变量之间存在线性关系。线性回归的一种扩展是在训练过程中向损失函数添加惩罚项，以鼓励更简单的模型，这些模型具有较小的系数 [...]
Python 中用于机器学习的稳健回归
回归（Regression）是一种建模任务，旨在根据输入预测一个数值。用于回归任务的算法也被称为“回归”算法，其中最广为人知且可能最成功的便是线性回归。线性回归拟合一条直线或超平面，以最好地描述输入与 [...] 之间的线性关系。
使用 Python 进行高斯过程分类
高斯过程分类器（Gaussian Processes Classifier）是一种分类机器学习算法。高斯过程是高斯概率分布的推广，可以作为复杂非参数机器学习算法（用于分类和回归）的基础。它们属于一种核模型，类似于支持向量机（SVM）。与 SVM 不同的是，它们能够预测高度 [...]
使用 Python 的半径邻居分类器算法
半径邻近分类器（Radius Neighbors Classifier）是一种分类机器学习算法。它是 k-近邻算法（k-nearest neighbors）的一种扩展，它通过考虑新样本半径范围内的所有样本来做出预测，而不是仅考虑 k 个最近邻。因此，基于半径的方法在选择邻近样本时更适合稀疏数据，可以防止 [...] 离得远的样本。
使用 Python 进行线性判别分析
线性判别分析（Linear Discriminant Analysis）是一种线性分类机器学习算法。该算法通过为每个类别构建一个概率模型，该模型基于每个输入变量观测值的具体分布。然后，通过计算新样本属于每个类别的条件概率来对其进行分类，并选择概率最高的类别。 [...]
如何对机器学习的测试集进行爬山算法
对测试集进行爬坡（Hill climbing the test set）是一种在不接触训练集甚至不开发预测模型的情况下，在机器学习竞赛中获得良好或完美预测的方法。作为机器学习竞赛的一种方法，这种做法理应受到鄙视，并且大多数竞赛平台都设有限制来阻止它，这一点很重要。尽管如此， [...]
如何在机器学习中针对测试集进行训练
对测试集进行训练（Training to the test set）是一种过拟合类型，在这种情况下，模型被准备好以牺牲泛化误差的增加为代价，从而在给定的测试集上获得良好的性能。这是一种在机器学习竞赛中常见的过拟合类型，在这些竞赛中提供了完整的训练数据集，并且 [...]