机器学习
文章平均质量分 82
aBIT_Tu
咿咿呀呀学代码~
展开
-
机器学习2---线性模型
LDA的代码可参见:https://blog.csdn.net/yt71656/article/details/45199603 来补充代码,萌新写的,也没有经过整理,只是为了熟悉思路,大神轻喷。线性回归,python3。使用的数据是吴恩达的机器学习数据。import numpy as npimport matplotlib.pyplot as pltA = ...原创 2018-08-30 22:42:27 · 274 阅读 · 0 评论 -
win10下python3.6+Anaconda3+tensorflow安装
这篇文章是总结一下安装过程,包括一些使用过的觉得很好的博客教程,留个笔记,也感谢整理教程出来的大大们~。安装前:1.确保已有的Anaconda环境已经被完全卸载了,卸载教程:https://www.cnblogs.com/studylyn/p/7718472.html 就是 “安装的文件夹,找到Uninstall-Anaconda.exe,左键双击运行”。2.舍不得...原创 2019-03-08 15:31:24 · 7492 阅读 · 2 评论 -
机器学习6---聚类简述
一、 聚类介绍聚类属于“无监督学习”的一种,即训练样本的标签信息在训练过程中是不被使用的,这也是区别于分类的重要特征。从数学角度而言,聚类是将样本集划分成k个不相交的“簇”,并且使用作为第i个簇的标记(cluster label)。聚类算法可以单独作为一个划分数据的过程,也可以作为大样本集的前期处理过程。 二、 性能度量聚类算法的性能度量主要为了评价这个聚类结果的好坏。...原创 2018-10-08 09:59:53 · 375 阅读 · 0 评论 -
机器学习5---支持向量机
1. 线性可分的支持向量机1.1 支持向量机(SVM)基本型对于给定的在样本空间中线性可分的训练集,我们有多重办法对其进行划分,以二分类问题为例,如图:红线和黑线(超平面)都能将两类样本很好的划分开,但是当新样本进入时,黑线比红线更加有可能正确划分新的样本,换句话说:越位于两类样本“中心”的划分超平面越能够容忍样本的局部扰动,其的泛化能力越好。基于以上思想,我们准备求解最优超平...原创 2018-09-10 10:14:01 · 435 阅读 · 0 评论 -
机器学习4---浅谈神经网络
1. 神经元模型 神经网络是一个多学科交叉的领域,比较常见的定义是:“”神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能模拟生物神经系统对真实世界物体做出的交互反应“”。神经网络中最基本的成分是神经元模型,典型的为m-p神经元模型,从生物角度可以形象的理解为下图。从模型角度而言,m-p神经元接收n个输入信号,并通过权重连接形成总输入值,将总输入值与神经元的...原创 2018-09-06 22:13:51 · 501 阅读 · 0 评论 -
机器学习3---决策树
决策树(decision tree)是一种典型的非线性分类算法。因为是针对于非数值型特征的决策,且决策过程都是按照树状结构进行,由此得名决策树。 首先,非数值型特征是指非数值化的特征,如:名义特征(使用特定的名词描述某个物体)、序数特征(序号等,无实际意义的数值描述),无直接函数关系的数值特征(年龄、温度等)。 决策树的定义是利用一定的训练样本,从数据中“”学习“”得到...原创 2018-09-03 11:41:45 · 409 阅读 · 0 评论 -
机器学习1---模型基础知识
1. 误差:在机器学习中算法的预测输出与实际输出之间的差异,包含经验误差和泛化误差。2. 经验误差:学习算法在训练集上的误差,也称为训练误差。3. 泛化误差:学习算法在新样本集上的误差,优秀的学习算法都具有泛化误差较小的特点。泛化误差一定程度上可以被拆解为偏差、方差、噪声之和。偏差表示算法本身的拟合能力。方差表示数据扰动的影响。噪声表示误差的下限,即问题本身的难度。4. 过拟合:学习算...原创 2018-08-29 22:26:33 · 392 阅读 · 0 评论 -
MATLAB---simulink的菜单/工具条丢失
遇到如图问题:可能是由于删除了路径,解决方式如下:1. Refresh the file system caches using the following commands:>> restoredefaultpath>> rehash toolboxcache2. Run the following command to rebuild S...原创 2019-06-18 08:59:18 · 6467 阅读 · 4 评论