机器学习通识
文章平均质量分 59
dinkwad
这个作者很懒,什么都没留下…
展开
-
机器学习学习笔记(一)
本系列文为周志华教授的《机器学习》一书的个人简要笔记,供日后遗忘时翻阅绪论1.引言机器学习主要内容是研究从数据中产生模型的算法(学习算法),有了这类算法,将经验数据提供给它,学习算法就能基于这些数据产生模型,面对新的情况时模型会提供相应的判断。2.基本术语数据集 示例/样本/特征向量 属性/特征 ——属性值 ——属性空间/样本空间/输入空间假定一个具有m个示例的数据集,每个示例由d个属性描述。原创 2017-05-12 11:33:29 · 552 阅读 · 0 评论 -
线性回归中梯度下降的个人理解
最近在学习机器学习一些基础课程,想写一些文章记录一下自己对某些概念的理解,但是如果公式太多编辑太耗费时间,所以决定白话方式记录自己的个人理解,有错勿怪!机器学习主要有监督学习和无监督学习两大类,当然还有强化学习等等,监督学习主要就是分类和回归,线性回归属于回归,线性回归又有单变量线性回归和多变量线性回归,单变量线性回归顾名思义即找个 y=k*x+b 拟合一堆只有一个输入和一个输出的训练数据,然后得到原创 2017-08-02 10:58:53 · 798 阅读 · 0 评论 -
Datalog初步理解
去年看的关于datalog写的一篇读书笔记,图片可能无法显示,具体可以查看云笔记的链接分享: http://note.youdao.com/share/?id=270970f9e5d6f35babba3d022b436fc8&type=note#/1 介绍 关系代数实际对应于一阶逻辑的子集,其中的操作数限制为有限关系,没有递归和否定的Horn子句。 实现递归查询有多种方法,从逻辑编程的角度来看原创 2017-08-02 15:35:56 · 13123 阅读 · 0 评论 -
关联规则与序列模式
关联规则挖掘的的目标是寻找达到某种程度联系的事物集合,再由其产生相关的关联规则。它并不考虑事物发生的先后顺序。先作出下述定义:I ={i1,i2, …,im}是若干项目集合,包含k个项目的集合称为k项集;T= (t1,t2, …,tn)是若干事务集合。其中ti ⊆I。一个关联规则可表述成如下蕴含式形式:X→Y,其中X⊂I,原创 2017-08-02 15:43:45 · 3630 阅读 · 1 评论 -
coursera机器学习 week1&week2&week3 总结
最近两个礼拜看了下2017年7月26日开课的coursera的机器学习课程,学到了第三周,打算大致总结一下前三周的课程,基本不会列公式,白话记叙,个人总结和心得而已。引言部分先介绍机器学习的定义,旧的定义就不说了,比较新的定义是Tom Mitchell说的:一个程序被认为能从经验E中学习,从而解决任务T,同时利用度量值P衡量其性能;当且仅当有了经验E后,其处理任务T的性能度量值P有所提升。机器学习主原创 2017-08-10 14:52:37 · 807 阅读 · 0 评论 -
感知机
今天看了下统计学习方法里面的第二章感知机,写一些个人总结。准备接下来重温一下SVM,公式推导放在了F盘勿忘。感知机是一个针对线性可分数据集的线性二分类模型,它的模型就是就是一个分离超平面函数外面套上一个符号函数,这个分离超平面将全部的训练数据分为正类和负类,其实这个这个分离超平面的形式类似于多变量线性回归的那个样子,模型选好了过后再来看损失函数的选取,损失函数如果选择是误分类点总数,则其不可导,不易原创 2017-08-10 22:03:46 · 410 阅读 · 0 评论 -
闲聊xgboost基本原理
111111111111原创 2017-09-06 16:49:15 · 301 阅读 · 0 评论