- 博客(6)
- 收藏
- 关注
RSS订阅原创 RNN模型直观理解
RNN（Recurrent Neural Network）循环神经网络1.循环的理解 循环，反复并持续。从某一个地点出发，经过一定时间又回到这个地点，然后反复进行，这就是循环的含义。只有存在了环路或回路这样的路径，媒介（或数据）才能在相同的地点之间循环，随着数据的循环，信息不断被更新。 RNN的特征就在于拥有这样一个回路，可以使数据不断循环。通过数据的循环，RNN一边记住过去的数据，一边更新到最新的数据。2.RNN的结构拥有环路的RNN层 ...
2021-12-23 18:59:32
761
原创 机器学习算法初识—二分k均值算法
二分k均值算法K均值聚类算法存在的问题 K均值聚类算法虽然便于理解和实现，但是有其自身的缺点，由于k均值算法初始的k个质心是随机生成的，然后对质心不断的优化，寻找最优的质心以进行聚类，但有时聚类的效果并不是很好，原因就是k均值算法是一种局部最优算法而非全局最优算法，如图对一个包含3个族类的数据进行聚类，由于初始质心的选择问题，当...
2018-07-04 10:38:57
1714
2
原创 机器学习算法初识—K均值聚类算法（K-Means）
K均值聚类算法K均值聚类简介：聚类是一种无监督的学习，即数据没有所属分类的标签，通过计算数据间的“距离”，将“距离”上靠近的一些数据划分为一类，这样就将无序的数据进行了分类，至于最后划分成几类，也就是K均值聚类算法中的K了。K均值的工作流程：（因为要计算距离，所以k均值适用的数据类型是数值型的，不是该类型的想办...
2018-07-03 16:25:58
681
原创 机器学习算法初识—决策树ID3算法
决策树算法思想：决策树，从本质上讲就是将已有数据集根据一些特定的规则进行分类，类似于编程中的if-else语句，逐级判断，一级一级的将所有数据进行划分，就像一棵树，从起点到划分的终点之间的环节称为枝干，终点集合称为子叶，子叶即是一个类别标签。当生成树之后，对于新数据只要按照特征值进行if判断，从枝干分类到子叶也就得到自己所属类别。算法实现过程： 决策树的重点和难点是树的生成过程。可以认为所有...
2018-03-06 16:33:53
393
原创 机器学习算法初识—k近邻算法knn
KNN算法思想：k近邻算法用于分类，首先收集大量数据作为模型（不用训练，包括特征变量和所属分类两部分），待测试数据（需要分类的数据）输入后计算输入数据和已有模型中各个数据的（特征变量）距离，距离的计算可以根据实际情况采用不同的计算方法，一般采用欧式距离。选取距离中最近的k个模型，在选取的k个模型中模型所属分类最多的一个类别就认为是当前输入数据的类别。程序实现过程（主要的遇到的问题）：1.读入模型数...
2018-03-03 13:44:24
298
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