综述 GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种...
IP属地：北京
-
GBDT：梯度提升决策树 -
K-Means聚类算法理论与代码实践简介 K均值聚类，也叫做K-Means Clustering，是一种著名的用于分类问题的无监督机器学习聚类算法。聚类是针对给定的样本， 依靠它们特征的相似度或者距离，将其归到...
-
Visual Transformer (ViT)模型结构以及原理解析简介 Visual Transformer (ViT) 出自于论文《AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE...
-
Transformer模型详细介绍简介 Transformer出自于Google于2017年发表的论文《Attention is all you need》[https://arxiv.org/abs/170...
-
Visual Transformer (ViT) 代码实现 PyTorch版本简介 本文的目的是通过实际代码编写来实现ViT模型，进一步加对ViT模型的理解，如果还不知道ViT模型的话，可以先看下博客[https://www.jianshu.com/p...
-
集成学习——Bagging和Boosting简介 集成学习，顾名思义就是将多种学习器或算法结合在一起，共同做出决策。这符合人类集思广益的做法，在业界也是应用最为广泛的方法之一。注意，集成学习的本质是如何找到不同的模型，...
-
机器学习中的特征工程（五）---- 特征选择方法
简介 大概是今年6月份参加微信大数据挑战赛的时候，我才开始认识到特征选择也是机器学习中非常重要的一环。在诸如CTR等比赛中，原始特征往往是不足以挖掘出数据中隐藏的信息的，因此...
-
ID3、C4.5、CART决策树生成算法总结简介 决策树模型是最常见的机器学习方法之一，也是入门机器学习必须掌握的知识。决策树模型呈现树形结构，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...
-
机器学习中的特征工程（四）---- 特征离散化处理方法简介 特征离散化指的是将连续特征划分离散的过程：将原始定量特征的一个区间一一映射到单一的值。离散化过程也被表述成分箱（Binning）的过程。特征离散化常应用于逻辑回归和金融...