机器学习
文章平均质量分 52
jason_cuijiahui
这个作者很懒,什么都没留下…
展开
-
数据挖掘导论(4)——分类:基本概念、决策树与模型评估
定义: 分类(classification) 分类任务就是通过学习得到一个目标函数f (也称分类模型),把每个属性集x映射到一个预先定义的类标号y。注意: 分类技术非常适合预测或描述二元或标称类型的数据集,对于序数分类(例如,把人分类为高收入、中等收入或低收入),分类技术不太有效。 因为分类技术不考虑隐含在目标类中的序关系。其它形式的联系,如子类与超类(例如,人类和猿都是灵长类动物,而灵长类是原创 2017-07-03 22:03:18 · 607 阅读 · 0 评论 -
决策树
决策树的工作原理从树的根节点开始,将测试条件用于检验记录,根据测试结果选择适当的分支。沿着该分支或者到达另一个内部结点,使用新的测试条件,或者到达一个叶结点。到达叶结点以后,叶节点的类称号就被赋值给该检验记录。如何建立决策树原则来讲,对于给定的属性集,可以构造的决策树的数目达到指数级。尽管某些决策树比其他决策树更准确,但是由于搜索空间是指数规模的,找出最佳决策树在计算上是不可行的。尽管如此,人们还是原创 2017-07-03 22:53:04 · 5664 阅读 · 1 评论 -
机器学习分类:监督学习、无监督学习、半监督学习、强化学习
监督学习(Supervised Learning)数据集为(x, y)一些监督学习技术包括:线性回归 (回归)局部线性回归 (回归)logistic回归 (分类)深度神经网络无监督学习(Unsupervised Learning)数据集为(x)一些无监督学习技术包括:自编码(Autoencoding)主成分分析(Principal components analysis)随机森林(R原创 2017-09-30 17:19:42 · 5383 阅读 · 0 评论 -
举例说明强化学习以及监督学习的区别
可以分为两方面看:种西瓜的例子强化学习是一个多次决策的过程,可以形成一个决策链,即西瓜书上种西瓜的例子;监督学习只是一个一次决策的过程。摇杠赌博机的例子强化学习:赌徒没有初始数据集,只能通过用某种策略取测试摇杠,期望能在整个测试过程得到最好的收益; 监督学习:赌徒一开始就统计了所有用户在赌博机上的收益情况,然后进行监督学习得到模型。等赌徒操作摇杠赌博机时直接利用模型得到该摇哪个摇杠。 这里面也隐含着原创 2017-09-30 17:22:05 · 2266 阅读 · 0 评论 -
指数分布族常见类型
都在这里总结得很好了原创 2017-10-01 16:02:13 · 2916 阅读 · 0 评论 -
R语言-机器学习汇总
R语言基础语法https://zhuanlan.zhihu.com/p/21597713 https://zhuanlan.zhihu.com/p/215763541.list转化为data framemydataframe=as.data.frame(mylist)R语言&机器学习caret package1.数据划分 对spam这个数据集进行训练...原创 2018-03-09 20:23:36 · 5388 阅读 · 0 评论 -
Danku
简介A new protocol establishes a marketplace for exchanging machine learning models in an automated and anonymous manner for participants.The training and testing steps are done independently to pre...原创 2018-03-13 07:51:01 · 301 阅读 · 0 评论