sklearn学习笔记8：XGBoost
xgboost.XGBRegressor ①n_estimators 默认100，集成中弱评估器的数量 ②subsample 默认1，随机抽样的时候抽取的样本比例，范围(0,1] 对模型的影响应该会非常不稳定，大概率是无法提升模型的泛化能力，但也不发提升模型的可能性 ③eta 集成中的学习率，又称为步长，以控制迭代速率，常用于防止过拟合，取值范围[0,1] ④booster 用来控制我们究竟使用怎样的弱评...
【论文随笔】Time-Incremental Learning from Data Using Temporal Logics
好久没看文献了，来更一篇 Outline time-variant weights of STL weights are learned by NN 通过决策树方法学出一系列STL约束 通过计算信号前缀相对于STL约束的加权鲁棒度来对信号前缀进行分类 Remark 在每个时间点学一个wSTL来分类，有点无聊 前期的决策时间点太少了吧，在第一个决策点之前都是盲猜啊 Formulation 数据集：等长的带...
NLP_learning 中文基本任务与处理（分词、停用词、词性标注、语句依存分析、关键词抽取、命名实体识别）介绍、jieba工具库
文章目录 1、分词2、停用词和N-gram停用词N-gram 3、 更多任务（词性标注、依赖分析、NER、关键词抽取）词性标注句法依存分析命名实体识别关键词抽取 4、 jieba工具库使用（1）基本分词函数与用法（2）词性标注（3）关键词抽取基于TF-IDF算法的关键词抽取基于TextRank算法的关键词抽取PageRank的基本思想TextRank的基本思想TextRank提取关键词的主要步骤Text...
Model-Agnostic Meta-Learning (MAML) 理解
模型不可知元学习(Model-Agnostic Meta-Learning, MAML)的目标是使模型每次的梯度更新更有效、提升模型的学习效率、泛化能力等，它可以被看做一种对模型进行预训练的方法，适用于小样本学习。 原文：http://proceedings.mlr.press/v70/finn17a/finn17a.pdf 其它理解可以看：https://zhuanlan.zhihu.co...
sklearn学习笔记7：SVM
sklearn.svm.SVC ①kernel linear：线性核 poly：多项式核 sigmoid：双曲正切核 rbf：高斯径向基 对于线性核函数，kernel是唯一能够影响它的参数，但是对于其他三种非线性核函数，它们还受到参数gamma，degree及coef0的影响。高斯径向基核函数受到gamma的影响，而多项式核函数收到全部三个参数的影响 ②C 在实际使用中，C和核函数的相关参数（gamma，...
Machine Learning机器学习（学习记录）
Machine Learning机器学习 目录 Machine Learning机器学习聚类K-Means基本思路k均值算法流程k均值算法的特点k-均值算法的优点：k-均值算法的缺点： sklearn实现KMeans K-Means++算法基本思路代码实现K-Means++Python代码实现sklearn实现K-Means++ 参考： 聚类 K-Means 基本思路 k-均值（k-means ）算法是...
Machine Learning Model
机器学习（Machine Learning）是一门数据驱动（Data-driven）的科学，所谓的 数据驱动 是指需要使用样本数据训练模型（train model），然后再使用训练好的模型预测新的数据；根据样本数据（一般也称为训练数据（train data））携带标签（labels）与否，做以下分类： 监督学习(supervised learning)：训练数据需要标签（labels），监督学习分为 分...
零样本学习—Learning to detect unseen object classes by between-class attribute
零样本学习 算法概要 前提 ( x 1 , l 1 ) , ⋯ ( x n , l n ) 为 训 练 样 本 x 和 相 应 类 别 标 签 l . 这 样 的 成 对 数 据 共 有 n 组 ， l 中 一 共 有 k 类 ， (x_1,l_1),\cdots (x_n,l_n)为训练样本x和相应类别标签l.这样的成对数据共有n组，l中一共有k类， (x1,l1),⋯(xn,ln)为训练样本...
【菜菜的sklearn课堂笔记】支持向量机-SVC真实数据案例：预测明天是否会下雨-建模与模型评估以及不同方向的调参
from sklearn.svm import SVCfrom sklearn.model_selection import cross_val_scorefrom sklearn.metrics import roc_auc_score,roc_curve,recall_scorefrom time import timeimport datetime Ytrain = Ytrain.iloc...
综述类论文_Machine Learning for Encrypted Malicious Traffic Detection（重要）
文章目录 Machine Learning for Encrypted Malicious Traffic Detection: Approaches, Datasets and Comparative Study摘要存在的问题论文贡献1. 基于机器学习的加密流量检测模型的总体框架1.1 Research Target（研究目标）1.2 Traffic Dataset Collection（流量数据集收...