![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 89
Avery123123
计算机研究生机器学习方向毕业,目前从事金融交易云数据方向工作,想总结一下并督促自己向各位大佬学习学习
展开
-
详解自动编码器(AE)
自动编码器(Auto-Encoders,AE)降噪自编码(Denoising Auto-Encoders, DAE)(2008)堆叠降燥自动编码器 (Stacked Denoising Auto-Encoders, SAE)(2008)卷积自动编码器(Convolution Auto-Encoders, CAE)(2011)变分自动编码器(Variational Auto-Encoders, VAE)(Kingma, 2014)原创 2019-11-21 11:57:34 · 19912 阅读 · 0 评论 -
详解概率图模型——有向图模型:贝叶斯网络
详解概率图模型——有向图模型:贝叶斯网络贝叶斯定理条件概率全概率公式贝叶斯公式贝叶斯网络概念实例:贝叶斯网络Student模型概率模型图Python实现原创 2019-11-07 14:47:02 · 4746 阅读 · 1 评论 -
详解概率图模型——概述
详解概率图模型——概述详解概率图模型——概述概率图概览有向图 vs. 无向图有向图无向图判别式(discriminative)模型 and 生成式(generative)模型判别式模型生成式模型详解概率图模型——概述概率图概览有向图 vs. 无向图有向图对于有向图模型,这么求联合概率:举个例子,对于下面的这个有向图的随机变量应该这样表示他们的联合概率:贝叶斯网络:有向图模...原创 2019-11-06 21:50:21 · 1263 阅读 · 0 评论 -
详解聚类评估
详解聚类评估详解聚类评估估计聚类趋势方法一:观察聚类误差是否随聚类类别数量的增加而单调变化方法二:Hopkins Statistic(霍普金斯统计量)判定数据簇数方法一:经验法方法二:手肘法方法三:交叉验证法测定聚类质量外在方法(有监督方法)Jaccard Coefficient, JC(Jaccard系数)purity(纯度)sklearn 中 Purity 的实现Fowlkes and Mal...原创 2019-11-06 17:00:41 · 3920 阅读 · 2 评论 -
详解高斯混合模型与EM算法
详解高斯混合模型与EM算法 详解高斯混合模型与EM算法高斯混合模型单高斯模型(Gaussian single model, GSM)一维高斯分布多维高斯分布混合高斯模型(Gaussian mixture model, GMM)混合高斯模型产生的原因直观理解高斯混合模型一维混合高斯模型二维空间3个高斯模型混合极大似然估计(Maximum Likehood Estimate, MLE)(最大化对数似然...原创 2019-11-05 20:28:47 · 6968 阅读 · 4 评论 -
详解 K-means及其改进算法
详解 K-means及其改进算法 详解 K-means及其改进算法K-means基本概念K-means ++基本概念ISODATA基本概念详解 K-means及其改进算法K-means基本概念算法步骤:Step1.给定初始质心:首先选取初始质心集合centroids说明A.质心数量由用户给出,记为k,k-means最终得到的簇数量也是kB.每个质心的数值由初始质心的计算算法计算...原创 2019-11-05 11:22:21 · 4375 阅读 · 0 评论 -
详解 LDA
详解 LDA 详解 LDA基本概念什么是LDALDA 核心思想LDA 简单二分类实例实现步骤(python)第一步 标准化处理第二步 计算每一类别特征的均值向量第三步 计算类间散布矩阵S(B)和类内散布矩阵S(W)第四步 计算矩阵S(W)^(-1)S(B)的特征值和对应的特征向量第五步 选取前k个特征和对应的特征向量,构造一个d×k维的转换矩阵W,其中特征向量以列的形式排列第六步 将训练样本通过转...原创 2019-11-03 09:42:03 · 1032 阅读 · 0 评论 -
详解主成分分析 PCA
详解主成分分析 PCA详解主成分分析 PCAPCA(Principal component analysis)从二维的角度直观理解 PCA如何计算主成分的方向样本矩阵数据处理离散程度度量沿着坐标轴 v 的样本方差最大化某个方向的样本方差如何寻找第二个主方向PCA 求解步骤第一步:对所有特征进行中心化:去均值第二步:求协方差矩阵C第三步:求协方差矩阵C的特征值和相对应的特征向量第四步:将原始特征投影...原创 2019-11-01 10:53:13 · 1886 阅读 · 0 评论 -
详解决策树 Decision Tree
详解决策树 Decision Tree基本概念特征选择信息增益ID3 算法信息增益率C4.5 算法基尼值基尼指数CART 算法剪枝预剪枝预后剪枝多变量决策树连续值处理缺失值处理原创 2019-10-31 18:14:22 · 1261 阅读 · 0 评论 -
详解逻辑回归Logistic Regression
详解逻辑回归Logistic Regression原创 2019-10-31 09:58:36 · 1545 阅读 · 0 评论 -
详解线性回归
详解线性回归基本形式线性模型线性回归 Linear Regression通俗理解线性回归离散属性连续化学习策略多元线性回归学习策略对数线性回归 Log-Linear Regression学习策略原创 2019-10-30 18:42:47 · 667 阅读 · 0 评论 -
详解支持向量机SVM
详解支持向量机SVM详解支持向量机SVM支持向量机预备知识深入理解超平面间隔最大化间隔最大化最优值求解方法拉格朗日乘数法拉格朗日乘数法与KKT条件拉格朗日对偶性间隔最大化最优值求解原创 2019-10-28 22:45:36 · 777 阅读 · 0 评论