![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
hxj_rain
流浪不是理想主义。
展开
-
机器学习---线性回归
写一个简单的线性回归模型。看了一下斯坦福 Andrew Ng的机器学习。陆续的会将其中一些算法的的程序写一写 。谈及机器学习,其中两个非常重要的问题,即回归问题和分类问题。在计算机视觉中都有很多的应用。主题:线性回归模型。以上是理论部分 ,下面贴出程序(python):import numpy as npimport matplotlib.pyplot a原创 2016-09-05 20:35:47 · 446 阅读 · 0 评论 -
逻辑回归问题
回归问题通过线性回归已经得到了粗略的认识,接下来通过线性回归后面加一个 sigmoid 函数,即将输出限制到(0,1),那么我们就可以通过判断输出的来进行分类,认为 output >0.5 和 output下面从统计概率的角度去学习逻辑回归问题: 上面通过最大化似然函数得到了 参数 theta下面看一下程序:(python)import numpy as npimport m原创 2016-09-06 11:32:34 · 520 阅读 · 0 评论 -
sofmax 算法 ---多分类回归
上一篇博文中已经用逻辑回归解决了二分类的问题,那多分类的问题呢,能不能解决呢,很显然通过逻辑回归不能解决,但是,softmax 算法,也被称为是逻辑回归的扩展,很好的解决了多分类的问题。在推倒出softmax 模型时 我们用到了 指数分布族 和 广义线性模型 两个概念。对于逻辑回归,我们用的是二项分布,但是对于softmax我们必须用多项式分布,但是二项分布可以理解为多项式分布的一个特例,所以原创 2016-09-08 11:48:54 · 1438 阅读 · 1 评论 -
PCA降维的python实现
#-*- coding:utf-8 -*-from numpy import *import matplotlib.pyplot as pltdef pca(data): # 减去均值 m = mean(data,axis=0) data -= m print m # 协方差矩阵 C = cov(transpose(data)) # 计算特征原创 2016-10-10 21:21:19 · 1262 阅读 · 0 评论 -
bootstrap sampling
自助采样 (bootstrap sampling)是一种抽样方法,常用在机器学习中。给定 m 个样本的数据集 D, 我们对他进行采样产生数据集 D,D^{,} ,每次随机从D 中挑选一个样本,将其拷贝放入 D,D^, ,然后再将该样本放回初始数据集 D 中,使得该样本在下次采样中仍有可能被采样到,这个过程执行m次以后,我们就得到了包含 m个样本的数据集 D.D^. ,这就是数据采样的结果。 m原创 2016-12-11 12:04:09 · 2573 阅读 · 0 评论 -
STL queue 的实现
queue 是一种先进先出(First In First Out) 的数据结构,它有两个出口。queue 允许新增元素,移除元素,从最低端加入元素,取的顶端的元素。类似于 stack ,queue 也是一种 container adapter。#include <iostream>#include <list>using namespace std;template<class T, class原创 2016-12-15 17:36:50 · 787 阅读 · 0 评论