![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
日有所进
这个作者很懒,什么都没留下…
展开
-
机器学习算法系列--支持向量机(SVM)
原文:http://blog.csdn.net/alvine008/article/details/9097105 目录(?)[+]什么是机器学习 Machine Learning机器学习的大致分类问题的描述拉格朗日乘子法和KKT条件转载 2017-06-28 22:14:22 · 322 阅读 · 0 评论 -
机器学习--神经网络算法系列--卷积神经网络
转载自:http://www.jiqizhixin.com/article/1363?utm_source=tuicool&utm_medium=referral这是一篇向初学者讲解卷积神经网络的系列文章,机器之心编译了已经发表了的 Part 1 和 Part 2。此系列文章若有更新,机器之心依然会分享给大家。 Part 1:图像识别任务介绍卷积神经网络,听起来像是计算机科学、生物学和数转载 2017-06-28 15:28:34 · 2724 阅读 · 0 评论 -
机器学习--神经网络算法系列--过拟合(overfitting)
只愿这次贴的图片不会丢失。。。 机器学习的主要挑战是我们的算法必须能够在先前未观测的新输入上表现良好,而不只是在训练集上表现良好。在先前未观测到的输入上表现良好的能力被称为泛化(generalization)。1、概念 通常情况下,当我们训练机器学习模型时,我们可以使用某个训练集,在训练集上计算一些被称为 训练误差(training error)的度量误差原创 2017-06-28 08:29:35 · 1898 阅读 · 0 评论 -
机器学习--神经网络算法系列--交叉熵(Cross_entropy)
原文:http://blog.csdn.net/u014313009/article/details/51043064 交叉熵代价函数(Cross-entropy cost function)是用来衡量人工神经网络(ANN)的预测值与实际值的一种方式。与二次代价函数相比,它能更有效地促进ANN的训练。在介绍交叉熵代价函数之前,本文先简要介绍二次代价函数,以及其存在的不足。1. 二次代转载 2017-06-27 22:14:04 · 7369 阅读 · 1 评论 -
机器学习--神经网络算法系列--梯度下降与随机梯度下降算法
原文:http://www.cnblogs.com/walccott/p/4957098.html梯度下降与随机梯度下降梯度下降法先随机给出参数的一组值,然后更新参数,使每次更新后的结构都能够让损失函数变小,最终达到最小即可。在梯度下降法中,目标函数其实可以看做是参数的函数,因为给出了样本输入和输出值后,目标函数就只剩下参数部分了,这时可以把参数看做是自变量,则目标函数变成参数转载 2017-06-27 21:54:47 · 1723 阅读 · 0 评论 -
机器学习--神经网络算法系列--BackPropagation算法
一文弄懂神经网络中的反向传播法——BackPropagation 最近在看深度学习的东西,一开始看的吴恩达的UFLDL教程,有中文版就直接看了,后来发现有些地方总是不是很明确,又去看英文版,然后又找了些资料看,才发现,中文版的译者在翻译的时候会对省略的公式推导过程进行补充,但是补充的又是错的,难怪觉得有问题。反向传播法其实是神经网络的基础了,但是很多人在学的时候总是会遇到转载 2017-06-27 21:59:22 · 445 阅读 · 0 评论 -
机器学习算法系列(一)--决策树
1、什么是决策树决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。其图如下所示,树分为:根结点、分支、结点及树叶四个组成部分。2、决策树的构造2.1熵的概念香农提出 ,一条信息的信息量大小和它的不确定性有直原创 2017-06-26 20:58:51 · 775 阅读 · 0 评论 -
你应该知道的9篇深度学习论文(CNNs 理解)
本文主要总结了卷积神经网络在机器视觉领域的重要发展及其应用。我们将介绍几篇重要的公开发表的论文,讨论它们为何重要。前一半的论文(AlexNet到ResNet)将主要涉及整体系统架构的发展和演变,后一半论文将主要集中在一些有趣的子领域应用上。转载 2017-07-05 10:18:44 · 578 阅读 · 0 评论 -
机器学习算法优缺点及其应用领域
原文:http://blog.csdn.net/mach_learn/article/details/39501849决策树一、 决策树优点1、决策树易于理解和解释,可以可视化分析,容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时,运行速度比较快。4、决策树可以很好的扩展到大型数据库中,同时它的大小独立于数据库大小。二、决策树缺点1转载 2017-06-26 13:53:40 · 3208 阅读 · 0 评论 -
机器学习--神经网络算法系列--激活函数
原文地址:http://blog.csdn.net/cyh_24/article/details/50593400 神经转载 2017-07-03 08:00:13 · 564 阅读 · 0 评论 -
机器学习算法系列--K近邻(KNN)
周五了,没什么动力了,回顾了一下简单的KNN算法,转载别人一篇,原文:http://www.cnblogs.com/ybjourney/p/4702562.html最近在看《机器学习实战》这本书,因为自己本身很想深入的了解机器学习算法,加之想学python,就在朋友的推荐之下选择了这本书进行学习。 一 . K-近邻算法(KNN)概述 最简单最初级的分类器是将全部转载 2017-06-30 22:28:15 · 350 阅读 · 0 评论 -
【转】最小二乘法与岭回归的介绍与对比
原文:https://blog.csdn.net/dang_boy/article/details/78504258一 线性回归(最小二乘法)假设我们有n个样本数据,每个数据有p个特征值,然后p个特征值是线性关系。即对应的线性模型写成矩阵的形式即是Y=XA由于样本与模型不一定百分百符合,存在一些噪声,即误差,用B表示,B也是一个向量即B=Y-XAY为样本值,XA为模...转载 2018-08-11 20:15:11 · 1399 阅读 · 0 评论