- 博客(5)
- 收藏
- 关注
RSS订阅原创 机器学习笔记（四）模型提升
机器学习笔记（四）模型提升1.模型提升的方法非线性模型从线性模型到非线性模型线性回归：多项式回归支持向量机：给抵挡的核函数组合，基本属于“猜测”决策树：空间划分的思想来处理非线性数据深度学习感知机（神经网络）：线性回归+简单的非线性映射多层感知机：多层神经元的组合，多个简单非线性函数的复合深度学习（线性组合+非线性函数映射）：层数很大模型集成训练多个弱模型，组合成一个“强”模型增强模型的表达能力降低误差模型误差的来源训练集由函数f产生假设空间H（模型空间）中理论上最好的函数
2020-08-27 17:44:12
356
原创 机器学习笔记（二）回归
机器学习笔记（二）回归回归这个概念最早是由英国生物统计学家高尔顿和它的学生皮尔逊在研究父母亲和子女的身高遗传特性时提出的。“子女的身高趋向于高于父母的身高的平均值，但一般不会超过父母的身高。”–《遗传的身高向平均数方向的回归》Y=0.8567+0.516*X（单位为米）回归如今指的用一个或多个自变量来预测因变量的数学方法，在机器学习中，回归指的是一类预测变量为连续值的有监督学习方法，在回归模型中，需要预测的变量叫做因变量，用来解释因变量变化的变量叫做自变量。线性回归需要一个线性模型，属于监督学习，因此
2020-08-27 17:41:39
528
原创 机器学习笔记（三）分类
机器学习笔记（三）分类分类是一种典型的有监督学习问题，和回归相比，分类的标签（模型预测值）y为离散值。有监督学习的话，意味着我们的数据集要包含X和Y，然后定义一个优化目标函数，通过模型训练来优化函数，最后得到的模型就可以做预测了。用回归的方法做分类，由于回归得到的是连续的值，所以我们要在回归结果上添加映射函数H(f),如f>0,H(f)=1；如果f<=0,H(f)=-1。感知机、支持向量机和逻辑回归线性可分训练集感知机：是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类
2020-08-27 17:30:33
176
原创 机器学习基础入门笔记（一）
简单理解呢，机器学习就是一系列方法，这些方法能够帮助我们自动的找出数据中的规律，然后对未来的数据进行预测，从而支持我们现实生活中的决策。形象介绍为什么要学机器学习，描述大数据与机器学习、深度学习的关系，机器学习的分类。
2020-08-10 12:42:11
300
原创 Anaconda3-5.0.0-Windows-x86_64 + CUDA10.2 + cuDNN7.6.5 安装最新tensoflow-gpu2.3.0
入门准硕刚接触机器学习，想使用tensorflow实现文献代码，起初在安装软件的过程中，下载了最新的Anaconda版本Anaconda3-2020.07-Windows-x86_64 ，该版本自带的python3.8，无法使用tensorflow的任何版本，认识到软件不是越新越好，在经过n次下载与安装的测试之后，采用Anaconda3-5.0.0-Windows-x86_64版本，它自带的python3.6.2，最终安装tensorflow-gpu (2.3.0)最新版本踩了尽可能踩的坑，留下这篇博客，.
2020-08-09 21:21:11
550
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