- 博客(6)
- 收藏
- 关注
RSS订阅原创 决策树的python实现
from math import logimport operatorclass ClassTree: def __init__(self): pass def calcShanonEnt(self,dataSet): lenDataSet = len(dataSet) labelCounts = {} for feat
2016-11-24 20:17:56
698
原创 数据挖掘、机器学习领域有哪些知名的期刊或会议？
机器学习常见会议和期刊如下:机器学习领域会议：COLT、NIPS、ICML、AISTATS、UAI机器学习领域期刊：JMLR、PAMI、ML机器学习的工作也常常发表在人工智能相关会议上，比如：人工智能会议：IJCAI、AAAI人工智能期刊：AI除了机器学习和人工智能的会议，CV和NLP方面也有大量机器学习相关的工作，因此不少与机器学习相关的工作也会发在CV和
2016-11-23 14:26:43
5095
原创 常用的几个误差参数
SSE(和方差、误差平方和)：The sum of squares due to error MSE(均方差、方差)：Mean squared error RMSE(均方根、标准差)：Root mean squared error R-square(确定系数)：Coefficient of determination Adjusted R-square：Degree-of-freedom a
2016-11-19 20:43:52
2875
原创 神经网络中常用的激活函数
1.非线性： 当激活函数是线性的时候，一个两层的神经网络就可以逼近基本上所有的函数了。但是，如果激活函数是恒等激活函数的时候（即f(x)=x），就不满足这个性质了，而且如果MLP使用的是恒等激活函数，那么其实整个网络跟单层神经网络是等价的。 2.可微性： 当优化方法是基于梯度的时候，这个性质是必须的。 3.单调性： 当激活函数是单调的时候，单层网络能够保证是凸函数。 f(x)≈x： 当激活函数
2016-11-19 20:31:39
1112
转载 tensorflow 学习笔记1
1、tf.ones(shape,type=tf.float32,name=None) tf.ones([2, 3], int32) ==> [[1, 1, 1], [1, 1, 1]]2、tf.zeros(shape,type=tf.float32,name=None) tf.zeros([2, 3], int32) ==> [[0, 0, 0], [0, 0,
2016-11-19 20:13:03
716
转载 聚类分析中几种算法的比较
将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚 类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids方法、CLARANS方法,BIRCH方法等，这些算法适用 于特定的问题及用户。本文综合提出了评价聚类算法好坏的5个标准，基于这5个标准，对数据挖掘中常用聚类方
2016-11-03 16:48:48
6334
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人