机器学习
文章平均质量分 82
bdss58
这个作者很懒,什么都没留下…
展开
-
k临近算法(k nearest neighbors)
k nearest neighbor algorithm is very simple原创 2014-11-08 22:02:35 · 2449 阅读 · 0 评论 -
k均值聚类(K-Means Clustering)
k means clustring algorithm was developed by原创 2014-11-08 22:47:07 · 1575 阅读 · 0 评论 -
逻辑回归(logistic regression)
逻辑回归和线性回归的差异就是预测模型h的输出,前者输出0和1两个离散值,而线性回归输出连续值。在为分类预测建立模型时候,显然线性回归学习就不是很适合,要用逻辑回归学习算法。例如将下面数据分类:先看看逻辑回归的预测模型吧:x是预测对象的features。g(x)函数是大名鼎鼎的S型函数(sigmoid function):看图直观感受一下这个函数:从图原创 2014-12-17 16:29:41 · 1496 阅读 · 0 评论 -
线性回归 linear regression (implement by python)
记得高中的时候就学过线性回归,那个时候就是数学课上最后一个章节,我当时只是了解。没想到线性回归可以用在机器学习领域里,用来做预测模型。先从单变量线性回归说起。一个变量决定一个值,当给出多组变量和值组成的数据(x1,y1),(x2,y2),(x3,y3).......现在需要根据这些数据建立一个模型,来预测新给出的变量x对应的那个y值。比如预测房价,房子的大小就是就是这个变量,房价就是这原创 2014-12-13 14:37:11 · 1114 阅读 · 1 评论 -
使用logistic regression 多分类预测
import sysimport PIL.Imageimport scipy.misc, scipy.optimize, scipy.io, scipy.specialfrom numpy import *import pylabfrom matplotlib import pyplot, cmfrom mpl_toolkits.mplot3d import Axes3Dimpo原创 2014-12-21 22:04:32 · 6077 阅读 · 1 评论 -
使用支持向量机(SVM)对数据分类
支持向量机背后的数学原理有些复杂,在此我不打算详细阐述,这里简单粗暴地使用一下SVM。我下面的Python代码使用的SVM需要安装一些Python库:scipy和numpy。如果自己想动手实验一下请注意安装。首先加载一些数据,并plot出来:import numpy as npfrom matplotlib import pyplotdef plotData(X,y): pos原创 2014-12-30 13:52:58 · 11126 阅读 · 3 评论