机器学习
duanyajun987
这个作者很懒,什么都没留下…
展开
-
机器学习算法与Python实践之(一)k近邻(KNN)
机器学习算法与Python实践之(一)k近邻(KNN)zouxy09@qq.comhttp://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python,然后也想对一些机器学习算法加深下了解,所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍,所以就转载 2017-03-10 09:41:25 · 415 阅读 · 0 评论 -
pagerank算法
PageRank算法2012-09-21 17:02 96542人阅读 评论(15) 收藏 举报1. PageRank算法概述 PageRank,即网页排名,又称网页级别、Google左侧排名或佩奇排名。 是Google创始人拉里·佩奇和谢尔盖·布林于1997年构建早期的搜索系统原型时提出转载 2017-03-26 21:51:34 · 483 阅读 · 0 评论 -
TensorFlow学习笔记1
下面是lecture1的学习笔记。介绍深度学习后面的数学概念已经存在10多年,但是深度学习框架是最近几年才出来的。现在大量的框架在灵活性上和便于工业界使用上做了权衡,灵活性对于科研非常重要,但是对于工业界太慢了,但是换句话说,足够快,能够用于分布式的框架只适用于特别的网络结构,这对科研又不够灵活。这留给了使用者一个矛盾的境地:我们是否应该尝试用没有那么灵活的框架做科研,这样转载 2017-11-13 14:32:56 · 276 阅读 · 0 评论 -
TensorFlow学习笔记2
TensorBoard 可视化tensorflow不仅仅是一个计算图软件,其还包含了tensorboard可视化工具,安装tensorflow的时候会默认安装,使用方法非常简单,使用writer = tf.summary.FileWriter('./graph', sess.graph)就能够创建一个文件写入器,./graph是存储目录,sess.graph表示读入的图结构。我们可转载 2017-11-13 15:04:22 · 290 阅读 · 0 评论 -
TensorFlow学习笔记3
TensorFlow中的Linear Regression线性回归是机器学习中非常简单的问题,我们用tensorflow实现一个小例子。问题: 希望能够找到一个城市中纵火案和盗窃案之间的关系,纵火案的数量是X,盗窃案的数量是Y,我们建设存在如下线性关系,Y = wX + b。TensorFlow实现首先定义输入X和目标Y的占位符(placeholder)转载 2017-11-13 15:21:07 · 255 阅读 · 0 评论 -
TensorFlow学习笔记4
在第三篇学习笔记中,我们实现了两个简单的模型,线性回归和logistic回归,对于模型结构简单的网络,我们不需要去处理他们的结构关系,但是在复杂的模型中,我们需要更好的安排模型的结构,这样方便我们debug和良好的可视化,接下来,我们就讨论一下如何结构化我们的模型。TensorFlow中结构化模型一般我们的模型都是由一下的两步构成,第一步是构建计算图,第二步是执行计算图转载 2017-11-13 15:26:11 · 263 阅读 · 0 评论 -
强化学习入门之Q-Learning1
“机器学习”的话题一直很火热,相关的概念也是层出不穷,为了不落后于时代,我们都还是要学习一个。第一次听到“增强学习”(Reinforcement Learning)的时候,我以为只是在“深度学习”的基础上又玩儿的新花样。后来稍微了解了一下,发现其实是完全不同的概念,当然它们并非互斥,反而可以组合,于是又有了“深度增强学习”(Deep Reinforcement Learning)。转载 2017-11-23 14:56:06 · 1374 阅读 · 0 评论 -
强化学习系列:Deep Q Network (DQN)
我们终于来到了深度强化学习。1. 强化学习和深度学习结合 机器学习=目标+表示+优化。目标层面的工作关心应该学习到什么样的模型,强化学习应该学习到使得激励函数最大的模型。表示方面的工作关心数据表示成什么样有利于学习,深度学习是最近几年兴起的表示方法,在图像和语音的表示方面有很好的效果。深度强化学习则是两者结合在一起,深度学习负责表示马尔科夫决策过程的状态,强化学习转载 2017-11-23 16:17:51 · 1342 阅读 · 0 评论