机器学习个人笔记
文章平均质量分 52
Sean_zzZ
这个作者很懒,什么都没留下…
展开
-
机器学习:感知机模型
感知机模型感知机模型,主要的思想是用一个函数,通过不断的调节权值和偏置的数值,将一个线性可分的集合分类感知机算法 fx=sign(w*x + b ) sign={ 1 x>=0,-1 x<0) 对于最优的w,b的值,采用了损失函数 L(w,b) = - sum (xi 属于 M ) yi(w*xi+b) M 为错误分类点的集合 感知机学习算法包括两种 : 原始形式,对偶形式原始形式:原创 2017-04-02 13:29:28 · 447 阅读 · 0 评论 -
机器学习那些事
个人机器学习的一些经验 对于一个初学机器学习的人来说,一开始是十分懵逼的一件事情,可以说网上的参考资料很多,但是找到自己适合的还是很难。 在学习机器学习的过程中找了很多书看。最后个人觉得几本比较好的书,可以适合初学者看看。李航老师的统计学习方法,Peter Harrington的机器学习实战。麦好的机器学习实践指南,都是比较不错的书籍 我在学习机器学习的过程中,一般是先看李航老师的统计学习方法,学习原创 2017-04-01 16:51:15 · 587 阅读 · 0 评论 -
使用scipy实现最小二乘法,以及通过曲线对数据进行拟合(Python)
SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。提供了基于数组是算法级应用 矩阵运算,线性代数 最优化方法,聚类 空间运算,快速傅里叶变换。原创 2017-05-07 16:35:12 · 8509 阅读 · 0 评论 -
python实现logistics回归,以及从 疝 气 病 症 预 测 病 马 的 死 亡 率
logistics回 归 的 目 的 是 寻 找 一 个 非 线 性 函 数sigmod的 最 佳 拟 合 参 数。通过迭代来更改参数。选取出最佳拟 合的参数。可以通过梯度上升算法,随机梯度上升算法,牛顿法,拟牛顿法等方法来实现。而一般随机梯度上升算法是用的比较多的一个方法,主要原因是牛顿法的海塞矩阵在数据很多的时候难以计算数据处理函数原创 2017-05-07 16:15:04 · 1093 阅读 · 0 评论 -
决策树Python实现
决策树的实现主要是通过进行特征选择来进行决策树构建,而特征选择取决于信息增益或者信息增益比 信息增益由熵和条件熵确定 熵是表示随机变量不确定时的度量 决策树的实现比较多的是利用信息增益来实现的,在 划 分 数 据 集 之 前 之 后 信 息 发 生 的 变 化 称 为 信 息 增 益 ,通过特 征 值 划 分 数 据 集 获 得 的 信 息 增 益 ,获得信息增益最高的就是做好的特征选择原创 2017-05-07 15:53:19 · 569 阅读 · 0 评论 -
使 用 朴 素 贝 叶 斯 进 行 文 档 分 类
朴素贝叶斯分类法,主要是通过训练学习联合概率分布。具体是学习先验概率和条件概率。 朴素贝叶斯法将实例分到后验概率最大分类中,实际上等价于期望风险最小化 朴素贝叶斯的参数估计有两种方式,一种是极大似然估计,另外一种是使用贝叶估计原创 2017-05-07 15:29:39 · 670 阅读 · 0 评论 -
使用sklearn 决策树,KNN,以及自定义KNN类来实现分类
本函数主要是使用sklearn三方库的一些函数来实现花朵种类的分类 同时也使用scipy自定义KNN算法原创 2017-05-07 10:56:06 · 1935 阅读 · 0 评论 -
机器学习KNN python算法实现
KNN 算法主要是根据计算输入数据的距离进行分类通常使用欧氏距离来进行计算原创 2017-05-07 09:47:49 · 754 阅读 · 0 评论