判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。 本文主要关注LDA，并探讨其在理论和实践中作为分类和可视化技术的用途。由于QDA ...
分类：
编程语言 时间：
2019-05-06 19:33:01
阅读次数：
312
判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。 本文主要关注LDA，并探讨其在理论和实践中作为分类和可视化技术的用途。由于QDA ...
分类：
其他好文 时间：
2019-05-06 19:07:09
阅读次数：
176
经常遇到python2.x的print不带括弧，但python3.x必须要带括弧，版本不一致，需要修改，但是面对数以十计的重复劳动，不免望而却步。其他的一些不一样的地方同理。 解决方案： 运用正则化替换即可(Ctrl+R，记得勾选Regex)，输入如图内容即可一键替换。 ...
分类：
编程语言 时间：
2019-04-23 14:16:27
阅读次数：
181
监督学习 0.线性回归（加L1、L2正则化） Coefficients: [0.0,0.32292516677405936, 0.3438548034562218,1.9156017023458414,0.05288058680386263,0.765962720459771,0.0, 0.1510 ...
分类：
其他好文 时间：
2019-04-15 16:21:36
阅读次数：
118
Underfitting (欠拟合） Overfitting (过拟合） 解决拟合的方法 线性回归正则化 欠拟合/高偏差（high bias） 过拟合/高方差（high variance） 过拟合与欠拟合也可以用 Bias 与 Variance 的角度来解释，欠拟合会导致高 Bias ，过拟合会导致 ...
分类：
其他好文 时间：
2019-03-31 16:56:50
阅读次数：
269
参考这篇文章： https://baijiahao.baidu.com/s?id=1621054167310242353&wfr=spider&for=pc https://blog.csdn.net/jinping_shi/article/details/52433975 参考这篇文章： http ...
分类：
其他好文 时间：
2019-03-14 19:52:59
阅读次数：
207
https://www.zhihu.com/question/37096933/answer/70507353 https://blog.csdn.net/red_stone1/article/details/80755144 机器学习中，如果参数过多，模型过于复杂，容易造成过拟合（overfit） ...
分类：
其他好文 时间：
2019-03-14 10:31:24
阅读次数：
223
在设计Machine Learning系统时，我们很难从系统运行之前就得知系统的“复杂程度”。在线性回归中，我们可以将此问题等同为：使用几维参数，是否需要涉及更复杂的多项式，以及本文的一个新概念—Regularization Parameter。本文，将讨论Underfit，Overfit基本理论， ...
分类：
其他好文 时间：
2019-03-03 14:38:52
阅读次数：
198
1.前向分布算法 负梯度拟合 损失函数 回归 二分类，多分类 正则化 优缺点 sklearn参数 应用场景 ...
分类：
编程语言 时间：
2019-03-02 00:51:12
阅读次数：
155
平滑的目的也是正则化的目的之一，它是针对参数w而言，本质上就是要使得w的变化不要那么剧烈，有如下数学模型（假设最小化J）： 左侧是一个典型的线性回归模型，(xi，yi)就是实际的观测值，w就是估计的参数，右侧就是一个正则化项。可以直观的感受到，正则化项实际上起到了限制参数w的“变化程度或变化幅值”的 ...
分类：
其他好文 时间：
2019-02-24 18:48:03
阅读次数：
149
