半监督学习是指那些试图同时利用有标签和无标签训练数据的算法。半监督学习算法与只能从有标签训练数据中学习的有监督学习算法不同。一种流行的半监督学习方法是创建一个图，连接训练数据集中的示例并传播 [...]
使用 Python 实现多项逻辑回归
多项逻辑回归是逻辑回归的扩展，它为多类别分类问题增加了原生支持。默认情况下，逻辑回归仅限于二元分类问题。虽然像“一对多”这样的扩展允许逻辑回归用于多类别分类问题，但它们要求首先将分类问题转换为多个二元 [...]
使用标签传播的半监督学习
半监督学习是指那些试图同时利用有标签和无标签训练数据的算法。半监督学习算法与只能从有标签训练数据中学习的有监督学习算法不同。一种流行的半监督学习方法是创建一个图，连接训练数据集中的示例并传播 [...]
Python 中基于直方图的梯度提升集成
梯度提升是一种决策树算法的集成。考虑到它在各种数据集上表现出色，它可能是结构化（表格）分类和回归预测建模问题中最流行的技术之一。梯度提升的一个主要问题是训练速度慢 [...]
使用随机优化算法进行特征选择
通常，通过从训练数据集中删除输入特征（列），可以开发出更简单、性能更好的机器学习模型。这称为特征选择，并且有许多不同类型的算法可供使用。可以将特征选择问题构建为优化问题。在 [...]
如何选择优化算法
优化是寻找目标函数的一组输入，该输入导致函数评估的最大值或最小值。它是许多机器学习算法（从拟合逻辑回归模型到训练人工神经网络）的基础的挑战性问题。有数百种流行的优化算法，可能有几十 [...]
集成学习算法复杂性与奥卡姆剃刀
奥卡姆剃刀表明，在机器学习中，我们应该比集成等复杂模型更偏爱具有较少系数的简单模型。表面上看，剃刀是一种启发式方法，它表明更复杂的假设做出了更多假设，这些假设反过来又会使它们过于狭窄且泛化能力不强。在机器学习中，它表明复杂的 [...]
什么是机器学习中的元学习？
机器学习中的元学习是指学习算法从其他学习算法中学习。最常见的是，这意味着在集成学习领域中使用学习如何最佳地组合其他机器学习算法预测的机器学习算法。尽管如此，元学习也可能指模型选择的手动过程 [...]
机器学习微积分书籍
了解微积分并非解决机器学习或深度学习中的问题和获得结果的必要条件。但是，了解一些微积分将在很多方面帮助您，例如阅读书籍和论文中的数学符号，理解用于描述模型拟合的术语（如“梯度”），以及理解 [...]
Python 中的动态分类器选择集成
动态分类器选择是一种用于分类预测建模的集成学习算法。该技术包括在训练数据集上拟合多个机器学习模型，然后根据要预测的示例的具体细节，选择预计将表现最佳的模型。这可以通过 [...]