程序员在深圳
程序员在深圳_个人页
程序员在深圳
文章
7
问答
8
视频
0
个人介绍
暂无个人介绍
擅长的技术
-
发表了文章 2019-12-31
决策树算法之 AdaBoost
AdaBoost 是一种更高级的「森林」类型的决策树，和随机森林比起来，它有以下三个特点 1. AdaBoost 的每棵树都只有一个根节点和两个叶子节点，实际上叫树桩（stump）可能会更合适 2. AdaBoost 的每个树桩的权重是不同的，而随机森林中的每棵树的权重是相同的 3. 前一个树桩的错误数据会影响后一个树桩的生成，意味着后面的树桩是前面树桩的补足。这种思想也被称为 Boos
-
发表了文章 2019-12-31
决策树之 GBDT 算法 - 回归部分
GBDT（Gradient Boosting Decision Tree）是被工业界广泛使用的机器学习算法之一，它既可以解决回归问题，又可以应用在分类场景中，该算法由斯坦福统计学教授 Jerome H. Friedman 在 1999 年发表。本文中，我们主要学习 GBDT 的回归部分。 在学习 GBDT 之前，你需要对 [CART](https://www.atatech.org/ar
-
发表了文章 2019-12-31
深入理解逻辑回归算法（Logistic Regression）
在继续学习 GBDT（Gradient Boosting Decision Tree） 决策树前，我们需要先来了解下逻辑回归算法（Logistic Regression），因为 GBDT 较为复杂，但在逻辑回归的基础上，理解起来会容易些。 逻辑回归是机器学习中最为基础的算法，也是工业界使用得最多的算法之一，究其原因，在于其简单、高效以及实用。 虽然线性回归也很简单，但却不实用，是因
-
发表了文章 2019-12-31
决策树之 GBDT 算法 - 分类部分
上一次我们一起学习了 [GBDT 算法的回归部分](https://www.atatech.org/articles/158821)，今天我们继续学习该算法的分类部分。使用 GBDT 来解决分类问题和解决回归问题的本质是一样的，都是通过不断构建决策树的方式，使预测结果一步步的接近目标值。 因为是分类问题，所以分类 GBDT 和回归 GBDT 的 Loss 函数是不同的，具体原因我们在《[深入
-
发表了文章 2019-12-23
决策树算法之分类回归树 CART（Classification and Regression Trees）【1】
分类回归树 CART 是决策树家族中的基础算法，它非常直觉（intuitive），但看网上的文章，很少能把它讲的通俗易懂（也许是我理解能力不够），幸运的是，我在 Youtube 上看到了[这个视频](http://1t.click/aMGq)，可以让你在没有任何机器学习基础的情况下掌握 CART 的原理，下面我尝试着把它写出来，以加深印象. ## 决策树的结构 下图是一个简单的决策树示
-
发表了文章 2019-12-23
决策树算法之分类回归树 CART（Classification and Regression Trees）【2】
[上一篇](https://www.atatech.org/articles/158334)文章主要介绍了分类树，下面我们再一起来看一下回归树，我们知道，分类决策树的叶子节点即为分类的结果；同理，回归树的叶子节点便是连续的预测值。那么，同样是回归算法，线性回归和决策树回归有什么区别呢？区别在于，前者拟合的是一条直线，而后者却可以拟合非线性的数据，如下图中的数据就是用线性回归来拟合的： ![]
-
发表了文章 2019-12-23
决策树之随机森林
[在 CART 分类回归树](https://www.atatech.org/articles/158334)的基础之上，我们可以很容易的掌握随机森林算法，它们之间的区别在于，CART 决策树较容易过拟合，而随机森林可以在一定程度上解决该问题。 随机森林的主要思想是：使用随机性产生出一系列简单的决策树，并组合它们的预测结果为最终的结果，可谓三个臭皮匠赛过一个诸葛亮，下面我们就来具体了解一下。
-
提交了问题
2018-11-03
不同账号的ecs希望内网互联
暂无更多信息
-
发表了文章
2019-12-31
决策树算法之 AdaBoost
-
发表了文章
2019-12-31
决策树之 GBDT 算法 - 回归部分
-
发表了文章
2019-12-31
深入理解逻辑回归算法（Logistic Regression）
-
发表了文章
2019-12-31
决策树之 GBDT 算法 - 分类部分
-
发表了文章
2019-12-23
决策树算法之分类回归树 CART（Classification and Regression Trees）【1】
-
发表了文章
2019-12-23
决策树算法之分类回归树 CART（Classification and Regression Trees）【2】
-
发表了文章
2019-12-23
决策树之随机森林
滑动查看更多
-
回答了问题
2019-07-17
Logstash采集文件名称以及自定义格式的日志文件采集
支持自定义格式的文件，需要在logstash配置文件解析规则赞1 踩0 评论0 -
回答了问题
2019-07-17
在go语言中有没有类似的定义可以表示数据的最大值和最小值的呀？
go中没有C语言中的INT_MAX等常量，但可以自己定义// 无符号最小值最大值 const UINT_MIN uint = 0 const UINT_MAX = ^uint(0) // 有符号最小值最大值 const INT_MAX = int(^uint(0) >> 1) const INT_MIN = ^INT_MAX赞0 踩0 评论0 -
回答了问题
2019-07-17
mysql ibdata1文件被undo log日志占了几百个G。
你需要将ibdata1拆分，每个表一个undo log和redo log主要是修改my.cnf中的这个配置innodb_file_per_table=1 具体操作步骤如下（谨慎操作，最好现在开发环境测试一下）一、备份数据库mysqldump -q -umysql -ppassword --add-drop-table --all-databases > all.sql之后停止服务二、修改mysql配置文件innodb_file_per_table=1 三、删除原数据文件，包括 ibdata1、ib_logfile、data目录下数据库文件四、还原数据库mysql -uusername -pyourpassword赞0 踩0 评论0 -
回答了问题
2019-07-17
java转大数据开发学习方向
工程相关的话，阿里云上的MaxCompute和DataWorks服务可以用来上手，开源的要hadoop，hdfs、hive、hbase、kafka、spark、flink等数据处理、计算组件可以学习数据分析相关的话，要了解机器学习等数据统计方法赞0 踩1 评论0 -
回答了问题
2019-07-17
大数据与互联网结合发展趋势
这个问题比较宽泛，可以说互联网公司都在利用数据挖掘和机器学习、神经网络等技术在帮助公司提升业绩，像阿里巴巴、腾讯、百度、今日头条等这些公司举个例子，搜索引擎会分析大量的文档之间的相关性、文档的类别、用户的意图、偏好等，来提供精准的搜索结果，从而提升用户体验机器学习本质上是一种统计方法，建议你找一些入门资料看看赞1 踩0 评论0 -
回答了问题
2019-07-17
本地部署后，节点编程要重新配置吗？
可以把问题描述得更具体一点吗？谢谢赞1 踩0 评论0 -
回答了问题
2019-07-17
轻量服务器默认登陆用户名和密码是什么
你可以重置实例密码： 登录ECS管理控制台。 在左侧导航栏中，单击实例。 选择地域。 根据需要修改密码的实例数量，执行不同的操作：修改一台实例的登录密码：选择实例，在操作列，选择更多 > 密码/密钥 > 重置实例密码。 在弹出的重置密码对话框中，设置符合要求的新密码，再单击提交。 根据实例的状态，执行不同操作：运行中的实例：重启实例使新密码生效。 文档链接赞0 踩0 评论0 -
提交了问题
2018-11-03
不同账号的ecs希望内网互联
滑动查看更多
暂无更多信息