机器学习
happylife1527
这个作者很懒,什么都没留下…
展开
-
推荐理解Bayesian Method的好课程 - Radford Neal's CSC 2541
CSC 2541 - Topics in Machine Learning: Bayesian Methods for Machine Learning (Jan-Apr 2011) Week 1: Course info, Introduction, Conjugate priors Week 2: Monte Carlo, Importance sampling, MCMC, Met转载 2012-10-27 11:12:44 · 1025 阅读 · 0 评论 -
另眼看待变量间多重共线性
多重共线性是使用回归算法时经常要面对的一个问题。在其他算法中,例如决策树和Naïve Bayes,前者的建模过程是逐步递进,每次拆分只有一个变量参与,这种建模机制含有抗多重共线性干扰的功能;后者干脆假定变量之间是相互独立的,因此从表面上看,也没有多重共线性的问题。但是对于回归算法,不论是一般回归,逻辑回归,或存活分析,都要同时考虑多个预测因子,因此多重共线性是不可避免需要面对的。而在营销数据中,多转载 2012-10-27 11:22:04 · 541 阅读 · 0 评论 -
周志华谈机器学习与数据挖掘
http://www.cnblogs.com/wentingtu/archive/2012/05/19/2508531.html 序言: “机器学习”是人工智能的核心研究领域之一, 其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能,因为众所周知,没有学习能力的系统很难被认为是具有智能的。目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”[1]。转载 2012-10-27 11:13:41 · 2114 阅读 · 0 评论 -
matlab tooltiks for machine learning--CLOP
CLOP LINK 一,Introduction 1, What is CLOP? CLOP是基于Spider package的。所以它也提供了Spider的所有的功能: – bias – chain – ensemble – gentleboost – gs – kridge – naive – neural – normalize – pc ext转载 2012-10-27 11:12:02 · 1006 阅读 · 0 评论 -
随机森林
这里是截取曾经发表的http://www.cnblogs.com/wentingtu/archive/2011/12/13/2286212.html中一些内容 基础内容: 这里只是准备简单谈谈基础的内容,主要参考一下别人的文章,对于随机森林与GBDT,有两个地方比较重要,首先是information gain,其次是决策树。这里特别推荐Andrew Moore大牛的Decision T转载 2012-10-27 11:01:34 · 631 阅读 · 0 评论 -
关联规则
•关联规则用来发现在同一事件中出现的不同项的相关性,即找出事务中频繁发生的项或属性的所有子集,以及项目之间的相互关联性。 •D:事务数据库; •I:项目(item)集合,I=(i1,i2,…im),其中,i1,i2,…im为数据库中的项目; •T:数据库中的事务; •X:项集(itemset),即一个项目的集合; •k项集:包含k个项目的集合;转载 2012-10-27 11:03:12 · 922 阅读 · 0 评论 -
machine learning in R
一, 网址:http://cran.r-project.org/web/views/MachineLearning.html维护人员:Torsten Hothorn 版本:2008-02-18 18:19:21 翻译:R-fox, 2008-03-18 机器学习是计算机科学和统计学的边缘交叉领域,R关于机器学习的包主要包括以下几个方面: 1)神经网络(Neural Netwo转载 2012-10-27 11:10:35 · 1532 阅读 · 0 评论 -
特征选择常用算法综述
http://www.cnblogs.com/wentingtu/archive/2012/05/03/2479918.html 1 综述 (1) 什么是特征选择 特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ,或属性选择( Attribute Selection ) ,是指从全部特征中选取转载 2012-10-27 21:37:01 · 674 阅读 · 0 评论