dextern-CSDN博客

原创 LDA（主题模型）简介

LDA(主题模型)1、基本概念LDA（Latent Dirichlet Allocation）是一种文档主题生成模型。LDA的作用是判断两个文档的相似度，传统的方法使用词共现来判断，例如TF-IDF等，但这种方法未考虑文档的语义结构。LDA模型根据文档中的主题分布来判断文档的相似度。给定一个文档，首先分析出文档中包含哪些主题，然后判断不同文档中各个主题出现的概率大小。例如下面两句话：

2017-08-29 21:00:07 3505 1

原创全连接神经网络

基本概念：人工神经网络是根据生物神经网络构造的一种数据模型，每一层包含大量神经元。每两层神经元间的连接都存在一个初始参数，这个参数用来衡量神经元间相连接的重要程度。神经网络的每一层都具有多个节点，每个节点都与下层的所有节点相连，并且每一层的输出可以作为下一层的输入，每层神经网络中的节点只与其上一层和下一层的节点相连。图1 神经网络结构BP（Back Propagation）神经网络：它是

2017-07-05 15:31:44 1306 1

原创基于梯度上升算法的Logistic回归

基本概念：Logisitc回归用来解决二分类问题，训练数据为f(x,y),x为特征，y为类别。它的假设函数为Sigmoid函数，Sigmoid函数具体定义为： Sigmoid函数图像：图1 Sigmoid函数从图像中可看出该函数的值大于0小于1，在分类问题中若大于0.5，则属于类1，若小于0.5则属于类0。Sigmoid函数的输入X为：其中的[x_0,x_1,x_2

2017-07-04 19:44:35 508 2

原创朴素贝叶斯过滤垃圾邮件

邮件数据下载地址：http://download.csdn.net/detail/liyuefeilong/9106481 具体代码如下：# -*- coding: utf-8 -*-"""Created on Tue Sep 08 16:12:55 2015@author: Administrator"""from numpy import *# 创建实验样本，可能需要对真实样本做一些处理

2017-07-04 16:31:41 1075 2

原创决策树（decision tree）简介

基本概念：决策树用来解决分类问题，一棵树包含一个根结点，多个内部结点和多个叶子结点。未知数据从树的根结点开始判断，一直到叶子结点得到分类结果。本文主要关注决策树的构造方法。决策树算法是一种根据数据属性的泛化能力大小来进行分类的方法。其中属性的泛化能力大小由信息增益和信息增益率来评估。具体步骤：1.信息熵定义： 2.信息增益定义：属性的信息增益越大表明属性的泛化能力越强。 3.增益率定

2017-07-03 20:38:38 555 3

原创支持向量机（SVM）简介

本文主要参考于http://www.cnblogs.com/steven-yang/p/5658362.html基本概念：支持向量机（Support Vector Machine，SVM）是一种解决二元分类问题的方法。它根据实验数据中的部分数据来确定分类器，这些部分数据叫做支持向量。“机”是指分类器。接下来通过实例更加直观的理解支持向量机。

2017-07-03 10:15:54 2776 7

Hollaa的博客

原创 LDA（主题模型）简介

原创全连接神经网络

原创基于梯度上升算法的Logistic回归

原创朴素贝叶斯过滤垃圾邮件

原创决策树（decision tree）简介

原创支持向量机（SVM）简介

空空如也

空空如也

原创 LDA（主题模型）简介

原创 全连接神经网络

原创 基于梯度上升算法的Logistic回归

原创 朴素贝叶斯过滤垃圾邮件

原创 决策树（decision tree）简介

原创 支持向量机（SVM）简介

空空如也

空空如也

原创全连接神经网络

原创基于梯度上升算法的Logistic回归

原创朴素贝叶斯过滤垃圾邮件

原创决策树（decision tree）简介

原创支持向量机（SVM）简介