- 博客(5)
- 资源 (22)
- 收藏
- 关注
原创 感知机与adaline算法
原理相对于感知机,Adaline算法有趣的多,因为在学习Adaline的过程中涉及到机器学习中一个重要的概念:定义、最小化损失函数。学习Adaline为以后学习更复杂高端的算法(比如逻辑斯蒂回归、SVM等)起到抛砖引玉的作用。 Adaline和感知机的一个重要区别是Adaline算法中权重参数更新按照线性激活函数而不是单位阶跃函数。算法对比感知机import numpy as npclass P
2017-08-24 21:32:32 2869
原创 深入理解机器学习中拉格朗日乘子和KKT条件
1.引言本篇博客主要总结了拉格朗日乘子和KTT条件在机器学习中求解最优值的原理,博主尽量举点小例子帮助大家一起共同学习。2.拉格朗日和KTT作用我们在求解问题时,经常会遇到一些在约束条件下求解函数的。 在有等式约束条件下,我们选用拉格朗日乘子; 在有不等式约束条件下,选用KTT方法求解最优解。 因此我们可以将KTT条件看成是拉格朗日乘子的泛化。3.求解最优问题的集中形式通常我们需要求解的最优化
2017-08-23 18:16:30 6666 1
原创 (一)神经网络初探-感知机
引言博主希望通过最通俗的语言理解感知机,里面大白话可能比较多,适合刚刚接触感知机的学习者。大牛请绕路感知机感知机是由两层神经元组成,其中一层为输入层,另外一层为输出层。输入层用来接收外界的输入信号,而输出层用来将结果输出。感知机一般用来进行二元数据的分类。感知机的思想主要是通过找到一个超平面,使用这个超平面将数据进行分开。感知机详解 例如有一个数据集T={(x1,y1),(x2,y2),(x3,y
2017-08-22 19:49:45 545
原创 机器学习中决策树浅析
引言在本文中主要分析了决策树的相关知识,主要包含了决策树的原理分析、数学公式。首先了解到决策树是用来分类。分类问题不仅是一个普遍存在的问题,而且是其他更加复杂的决策问题的基础,更是机器学习和数据挖掘技术中最庞大的一类算法家族。决策树概念这里借用周志华西瓜书的一个例子,例如当我们拿到一个西瓜时,有颜色、根底好坏、敲打发出的声响等特征(这里的每一个特征就是一个西瓜的属性),通过一定的规则判断首先使用哪个
2017-08-21 16:40:09 731
原创 机器学习中偏差、方差的理解
1.前言在机器学习中经常遇到,model的“过拟合”以及“欠拟合”问题,怎样判断呢,这里可能就需要根据偏差-方差-错误曲线来判别。因此这里我们需要对方差、偏差有一个直观感性的认识。2.方差-偏差2.1偏差当模型做出与实际情况不符的假设时就会引起错误,这种错误称为偏差。如果选择的模型与预测变量和因变量之间的关系差别太大时(通常是模型太简单),就会发生偏差。2.2方差描述的是预测值的变化范围,离散程度,
2017-08-19 16:32:31 1122
Android陀螺仪编程获取旋转角度
2016-01-15
ASK、FSK、PSK的simulink仿真
2015-07-08
pm,fm,ask,psk,fsk,qpsk等调制方式simulink仿真
2015-07-08
matlab手势识别
2015-05-23
MATLAB二维码识别
2015-05-19
代码的集合
2014-04-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人