孟宝亮 的文章

我的专题《文本情感分析》（三）工作过程

我的专题《支持向量机》（三）分类问题

我的专题《文本情感分析》（四）组件实现

我的专题《支持向量机》（四）回归问题

内容摘要《文本情感分析》（五）训练评估

我的专题《支持向量机》（五）SVM API

机器学习回归决策树（Decision Tree Regression）

回归决策树（Decision Tree Regression）是一种使用决策树进行回归分析的方法。与分类决策树不同，回归决策树用于预测连续型的目标变量，而不是离散的类别。 1. 构...

机器学习基尼指数（Gini Index）

基尼指数是决策树算法中用于评估特征分裂质量的一个关键指标，分裂后子节点的基尼指数越低，表示子节点的纯净度越高。 1. 基尼不纯度 基尼不纯度（Gini impurity）是衡量变量...

机器学习代价复杂度剪枝（Cost-Complexity Pruning）

在 scikit-learn 的决策树实现中，使用 CCP（Cost-Complexity Pruning）代价复杂度剪枝，用于避免过拟合并提高决策树的泛化能力。 1. 剪枝原理 ...

机器学习信息增益（Shannon Information Gain）

信息增益是决策树算法中用于特征选择的一个重要指标。在构建决策树时，我们需要确定哪个特征最能有效地分割数据，使得子节点的纯度最高。信息增益就是衡量这种分割能力的指标。 信息增益的计算...

Linux C/C++C++ 调用 Python 对象

我的专题《决策树》（一）准备工作

决策树（Decision Tree）是一种直观且易于理解的机器学习算法，它可以处理分类和回归问题。 课程学习目标： 授课环境：win11 + pycharm 2021.1.3 + ...

我的专题《决策树》（二）初识决策树

在学习决策树原理之前，我们先感性的了解下决策树的构建和推理过程、以及 API 的使用。 1. 分类决策树 分类决策树基于训练数据构建一个树状结构，每个节点代表一个特征，每个分支代表...

我的专题《决策树》（三）分类决策树

构建决策树时，需要根据训练数据计算所有特征的最佳分裂点，来实现分类决策树构建。在 scikit-learn 的分类决策树实现中，主要用到了两种方法： 接下来，我们就要去学习和掌握这...

我的专题《决策树》（四）回归决策树

在构建回归决策树时，我们需要找到最优的分裂点，以最小化子集的均方误差。回归决策树也有自己的一些分裂准则，我们将详细探讨这些分裂准则的计算方法，并介绍如何应用它们来构建回归决策树。

我的专题《决策树》（五）过拟合问题

过拟合（Overfitting）是指模型在训练数据上表现得很好，但在未见过的测试数据上表现较差的现象。无论是传统机器学习算法、还是深度学习算法都会出现过拟合问题。 1. 过拟合方法...

我的专题《决策树》（六）决策树 API

Scikit-Learn（sklearn）是一个用于机器学习的Python库，其中包含了大量用于分类、回归、聚类和其他机器学习任务的算法和工具。在sklearn中，决策树是其中的一...

机器学习词嵌入 word2vec 模型

Word2Vec 是 Google 在 2013 年推出的一种用于生成词向量的模型，它通过无监督学习的方式从大量文本数据中学习单词的语义关系。即：通过训练一个浅层的神经网络模型来学...

Linux C/C++计算机小数存储原理

在写程序时，我们经常会处理小数这种数据。这节课，将会给同学们讲解下，在计算机中小数存储的两种方式：浮点小数和定点小数。学习目标： 最后，我们来总结下这两种存储方式：

Linux C/C++字节序（Byte Order）

字节序（Byte Order）是指在多字节数据类型（如整数和浮点数）在内存中存储时，字节的排列顺序。常见的字节序有大端序（Big Endian）和小端序（Little Endian...