机器学习
gwprock
这个作者很懒,什么都没留下…
展开
-
机器学习——聚类实现
一. Kmeans二. Kmeans++三. MeanShift四. 层次聚类五. 密度聚类六. AP 聚类七. 谱聚类原创 2020-03-15 20:49:33 · 643 阅读 · 0 评论 -
机器学习——集成学习(一)
一. 集成学习概述二. 集成学习结合策略原创 2020-03-09 23:29:30 · 366 阅读 · 0 评论 -
机器学习——CART回归树
一. 回归树注意:CART做分类时代价函数是基尼指数,做回归时代价函数时均方差函数import numpy as npimport matplotlib.pyplot as pltfrom sklearn.tree import DecisionTreeRegressorfrom sklearn import linear_model# Data setx = np.array...原创 2020-03-09 17:58:38 · 281 阅读 · 0 评论 -
机器学习——决策树
一. 决策树与预备知识基本概述决策树是一种树型结构,它是以实例为基础的归纳学习,每个内部结点表示在一个属性上的测试,每个分支代表一个测试输出,每个叶结点代表一个类别。决策树采用的是自顶向下的递归方法,其基本思想是以信息熵为度量构造一棵熵值下降最快的树,到叶子节点处的熵值为0,此时每个叶节点中的实例都属于同一类。决策树学习算法的特点决策树学习算法的最大优点是它可以自学习,只需...原创 2020-03-09 09:20:53 · 522 阅读 · 0 评论 -
KNN算法之KD树实现原理
一. KD树的建立KD树算法包括三步,第一步是建树,第二步是搜索最近邻,最后一步是预测。有二维样本6个,{(2,3),(5,4),(9,6),(4,7),(8,1),(7,2)},构建kd树的具体步骤为:1)找到划分的特征。6个数据点在x,y维度上的数据方差分别为5.80,4.47,所以在x轴上方差更大,用第1维特征建树。计算x 轴的方差:Ex=(2+5+9+4+8+7) / 6 ...原创 2020-03-07 20:11:20 · 961 阅读 · 0 评论 -
机器学习——回归模型
一、线性回归回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式,该公式就是所谓的回归方程(regression equation)。求回归方程中的回归系数的过程就是回归。线性回归的几个特点: 1. 建模速度快,不需要很复杂的计算,在数据量大的情况下依然运行速度很快。 2. 可以根据系数给出每个变量的理解和解释 3. 对异常值很敏感。# 代码表示:lin...原创 2020-03-03 10:00:43 · 765 阅读 · 0 评论 -
机器学习——KNN邻近算法
一. KNN算法介绍KNN 算法概述Cover和Hart在1968年提出了最初的邻近算法。所谓K最近邻,就是k个最近的邻居的意思,说的是每个样本都可以用它最接近的k个邻居来代表。KNN是一种分类(classification)算法,它输入基于实例的学习(instance-based learning),属于懒惰学习(lazy learning)即KNN没有显式的学习过程,也就是说没有训练...原创 2020-03-02 09:41:41 · 1149 阅读 · 0 评论 -
深度学习和机器学习中的数学(二)——概率统计
一.原创 2020-02-28 23:14:56 · 2094 阅读 · 0 评论