Handbook for Data Science and Artificial Intelligence

內容目录

2.5. 机器学习基础

2.5. 决策树

2.5. 方法评估

2.2.1. 分类评估 —— ACC，PRF 与 AUC

2.2.2. 回归评估 —— MAE，MSE 与 R2

2.5. 欠拟合与过拟合

2.5. 集成学习

2.5. 偏差与方差

2.5. 集成学习方法简介

2.3.3. Review for XGBoost and LightGBM

2.4. LR与SVM

2.5. 优化与搜索

內容目录

• 2. 机器学习基础
  • 2.1. 决策树
  • 2.2. 方法评估
    • 2.2.1. 分类评估 —— ACC，PRF 与 AUC
    • 2.2.2. 回归评估 —— MAE，MSE 与 R2
    • 2.2.3. 欠拟合与过拟合
  • 2.3. 集成学习
    • 2.3.1. 偏差与方差
    • 2.3.2. 集成学习方法简介
    • 2.3.3. Review for XGBoost and LightGBM
  • 2.4. LR与SVM
  • 2.5. 优化与搜索

Previous

1.4. 延伸: Pandas与Sklearn的阿喀琉斯之踵

Next

3. 深度学习基础