递归最重要的两点： 1.base case（递归出口）。必须有某些基本情形，它无需递归就能解出。 2.分解 或者 分类。分解成子问题，或者每层递归分叉，也就是一个N叉树模型。 例题： 打印一个字符串的所有子串 打印一个字符串的所有子串 分解：按顺序每个字母是否打印，分解。 base case: 当 ...
分类：
其他好文 时间：
2019-02-10 14:57:13
阅读次数：
190
BIRCH:是一种使用树分类的算法，适用的范围是样本数大，特征数小的算法，因为特征数大的话，那么树模型结构就会要复杂很多 DBSCAN：基于概率密度的聚类方法：速度相对较慢，不适用于大型的数据，输入参数有r和k k-means：是通过不断更新聚类中心所进行的一种参数变化，需要输入的参数是需要聚成几类 ...
分类：
数据库 时间：
2019-01-21 12:13:15
阅读次数：
871
分类算法非常适合预测或描述标签为二元或标称类型的数据集，对于标签为序数类型的数据集，分类技术则不太有效，因为分类技术不考虑隐藏在序数中的“序”关系，对于标签其他形式的联系如子类与超类（包含的关系），分类技术也不太适合。 本文是分类模型系列的初篇，先介绍最基本的分类/回归模型——决策树模型。决策树分类 ...
分类：
其他好文 时间：
2019-01-19 21:16:39
阅读次数：
178
一、决策树 决策树（decision tree）是一种基本的分类与回归方法，本篇主要讨论用于分类的决策树。 1.决策树模型 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点（node）和有向边（directed edge）组成。结点有两种类型：内部结点（internal node）和叶 ...
分类：
其他好文 时间：
2019-01-17 13:57:10
阅读次数：
231
决策树 概述决策树（Decision Tree）算法是一种基本的分类与回归方法，是最经常使用的数据挖掘算法之一。我们这章节只讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是 if-then 规则的集合，也可以认为是定义在特征空间与类空间上的条件... ...
分类：
其他好文 时间：
2019-01-16 23:22:15
阅读次数：
244
1、算法介绍决策树是一种基本的分类和回归方法，决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪。决策树的本质是从训练数据集中归纳出一组分类规则。本文主要是对决策树的ID3算法的介绍，后文会介绍C4.5和CART算法。2、算法优缺点优点：计算复杂度不高，结果易于理解，对于中间值的缺失不敏感，可以处理不相关特征。缺点
分类：
其他好文 时间：
2019-01-13 00:25:16
阅读次数：
191
题目描述 VRI（Voltron 机器人学会）的工程师建造了 n 个机器人。任意两个兼容的机 器人站在同一个格子时可以合并为一个复合机器人。 我们把机器人用 1 至 n 编号（n ≤ 9）。如果两个机器人的编号是连续的，那 么它们是兼容的，可以合并成一个复合机器人。最初这 n 个机器人各自都只有唯 ...
算法概述 随机森林，顾名思义就是由很多决策树融合在一起的算法，它属于Bagging框架的一种算法。 随机森林的“森林”，它的弱模型是由决策树算法训练的（CART算法），CART算法即能做回归也能做分类，“随机”是指构造的模型有一定的随机性。 每一颗决策树模型的训练是通过自助采样法（Boostrap抽 ...
分类：
编程语言 时间：
2019-01-06 11:55:32
阅读次数：
355
1. 过拟合 1.1 产生原因 训练集中的数据抽取错误，太少，或者不均衡，不足以有效代表业务逻辑或场景； 训练集中的数据噪音（异常值）干扰过大； 训练模型的“逻辑假设“到了模型应用时已经不能成立 参数太多，模型复杂度太高； 特征量太多，模型训练过度，比如决策树模型，神经网络模型 1.2 解决方法 减 ...
分类：
其他好文 时间：
2019-01-02 00:04:48
阅读次数：
221
LightGBM的并行优化 LightGBM的并行优化 LightGBM的并行优化 LightGBM的并行优化 上一篇文章介绍了LightGBM算法的特点，总结起来LightGBM采用Histogram算法进行特征选择以及采用Leaf-wise的决策树生长策略，使其在一批以树模型为基模型的boost ...
分类：
其他好文 时间：
2019-01-01 23:56:15
阅读次数：
306
