Machine Learning 课堂笔记
Machine Learning 课堂笔记
鹏酱-CMDI
Tech & Life
展开
-
Python机器学习应用Unit 4/5导论:监督学习 -分类学习+回归学习
课源:Python机器学习应用 BIT嵩天,本文作为个人课堂笔记。监督学习的目标利用一组带有标签的数据,学习从输入到输出的映射,然后将这种映射关系应用到未知数据上,达到分类或回归的目的。分类:当输出是离散的,学习任务为分类任务。回归:当输出是连续的,学习任务为回归任务。分类学习输入:一组有标签的训练数据(也称观察和评估),标签表明了这些数 据(观察)的所署类别。输出:分类模型根据这些训练数据,训练自己的模型参数,学习出一个 适合这组数据的分类器,当有新数据(非训练数据)需要进行类别判断,就.原创 2020-05-14 17:23:53 · 699 阅读 · 0 评论 -
Python机器学习应用-基于聚类的图像分割实例编写
图像分割 利用图像的灰度、颜色、纹理、形状等特征,把图像分成若 干个互不重叠的区域,并使这些特征在同一区域内呈现相似性,在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域 提取出来用于不同的研究。 图像分割技术已在实际生活中得至旷泛的应用。例如:在机车检验领域, 可以应用到轮毂裂纹图像的分割,及时发现裂纹,保证行车安全;在生物医学工程方面,对肝...原创 2020-05-07 12:12:38 · 1825 阅读 · 5 评论 -
Python机器学习应用 Unit2-降维-PCA主成分分析法 和 NMF非负矩阵分解法
主成分分析(PCA )主成分分析(Principal Component Analysis , PCA )是最常用的一种降维方法,通常用于高维数据集的探索与可视化,还可以用作数 据压缩和预处理等。 PCA可以把具有相关性的高维变量合成为线性无关的低维变量,称为主成分。主成分能够尽可能保留原始数据的信息。 在介绍PCA的原理之前需要回顾涉及到的相关术语:方差; 协方差 ;协方差矩阵 ...原创 2020-04-27 17:30:54 · 1233 阅读 · 1 评论 -
Python机器学习应用 Unit1 聚类- K-means聚类算法 和 DBSCAN密度聚类算法
UNIT1 聚类K-means聚类算法本博客作为个人的笔记本使用,课程参考 mooc :Python机器学习应用 。K-means聚类算法实验:通过聚类,了解1999年各个省份的消费水平在国内的情况。[city.txt 为1999年各个省份的消费水平在国内的情况,数据文件在资源列表下载即可。#K-means testimport numpy as np //①建立工...原创 2020-04-26 18:13:02 · 672 阅读 · 0 评论 -
Python机器学习应用 Unit0 准备过程- 导论 和 sklearn库的安装
机器学习的分类Python Scikit-learnsklearn库的安装由于sklearn库的安装需要依赖于其他库的安装,因此需要先安装先行库,具体顺序如下:使用命令行 pip install XX 进行安装:无监督学习聚类:欧氏距离:曼哈顿距离:马氏距离:夹角余弦;sklearn vs. 聚类 :sklrearn.cluster降维:sklearn.de...原创 2020-04-26 16:31:09 · 217 阅读 · 0 评论