![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 87
CHICX1229
做人生价值的投资家
展开
-
机器学习常见术语简易解释
1234567891011121314。原创 2024-06-05 11:58:45 · 107 阅读 · 0 评论 -
[无监督学习] 17.详细图解t-SNE
t-SNE(t-Distributed Stochastic Neighbor Embedding,t 分布随机邻域嵌入)是一种将高维的复杂数据降维为二维(或三维)的算法,用于低维空间的可视化。在降维时,t-SNE 会将类似结构的数据聚集在一起,这有助于我们理解数据的结构。原创 2024-06-05 11:33:18 · 993 阅读 · 0 评论 -
[无监督学习] 16.详细图解LLE
无监督学习中的一项重要任务是将结构复杂的数据转化为更简单的形式。LLE(Locally Linear Embedding,局部线性嵌入)可以将以弯曲或扭曲的状态埋藏在高维空间中的结构简单地表示在低维空间中。原创 2024-06-05 10:54:49 · 880 阅读 · 0 评论 -
[无监督学习] 15.详细图解混合高斯分布
如果数据集中有多组数据,可以使用混合高斯分布(即多个高斯分布的线性组合)来实现聚类。原创 2024-06-03 12:42:14 · 1094 阅读 · 0 评论 -
[无监督学习] 14.详细图解k-means 算法
k-means 算法是一种有代表性的聚类算法。由于该算法简单易懂,又可以用于比较大的数据集,所以在市场分析和计算机视觉等领域得到了广泛的应用。原创 2024-06-03 12:28:54 · 1010 阅读 · 0 评论 -
[无监督学习] 13.详细图解LDA
LDA 是一种用于自然语言处理等的算法。该算法可以根据文本中的单词找出潜在的主题,并描述每个文本是由什么主题组成的,还可以用于说明一个文本不只有一个主题,而是有多个主题。例如,一篇真实的新闻文本可能包含多个主题,如“体育”和“教育”等,使用 LDA 就可以很好地描述这种新闻文本。原创 2024-06-02 14:48:24 · 663 阅读 · 0 评论 -
[无监督学习] 12.详细图解NMF
PCA 通过将不同的脸(负的脸和正的脸。听上去是不是有些奇怪?)加在一起来恢复原始图像。NMF 则通过组合具有人脸部分特征的图像来恢复原始图像。NMF 的潜在变量的含义(在本例中就是人脸的部分特征)的可解释性更强。原创 2024-06-02 11:17:26 · 796 阅读 · 0 评论 -
[无监督学习] 11.详细图解LSA
坐汽车去公司坐车去的在餐厅吃汉堡牛肉饼在餐厅吃意大利面原创 2024-06-01 17:05:12 · 812 阅读 · 0 评论 -
[有监督学习] 9.详细图解KNN
1 计算输入数据与训练数据之间的距离。2 得到距离输入数据最近的 k 个训练数据。3 对训练数据的标签进行多数表决,将结果作为分类结果。原创 2024-06-01 16:44:56 · 582 阅读 · 0 评论 -
[无监督学习] 10.详细图解PCA
1 计算协方差矩阵。2 对协方差矩阵求解特征值问题,求出特征向量和特征值。3 以数据表示各主成分方向。原创 2024-06-01 16:43:19 · 1086 阅读 · 0 评论 -
[有监督学习] 8.详细图解神经网络
在图 2-35 中,输入数据为三维数据,中间层为二维数据,输出为一维数据(关于从输入层到中间层、从中间层到输出层之间的计算,后面的“算法说明”部分将详细介绍)。左端的层叫作输入层,表示输入数据本身。右端的层叫作输出层,取输入数据分类结果的概率。在二元分类的情况下,输出层输出的概率只有一个。在多元分类的情况下,输出层同时输出属于每个分类对象的标签的概率。通过在输入层和输出层中间叠加中间层,神经网络得以学习复杂的决策边界。原创 2024-06-01 15:30:37 · 925 阅读 · 0 评论 -
[有监督学习] 7.详细图解随机森林
随机森林的目标是利用多个决策树模型,获得比单个决策树更高的预测精度。单个决策树的性能并不一定很高,但是多个决策树汇总起来,一定能创建出泛化能力更强的模型。原创 2024-06-01 15:12:17 · 1397 阅读 · 0 评论 -
[有监督学习]6.详细图解朴素贝叶斯
朴素贝叶斯是一个基于概率进行预测的算法,在实践中被用于分类问题。具体来说,就是计算数据为某个标签的概率,并将其分类为概率值最大的标签。朴素贝叶斯主要用于文本分类和垃圾邮件判定等自然语言处理中的分类问题。下面使用朴素贝叶斯将虚构的新闻标题分类为“电影”和“宇宙”两个类别(图 2-26)。原创 2024-06-01 14:45:14 · 571 阅读 · 0 评论 -
[有监督学习]5.详细图解支持向量机(核方法)
核方法适合用于“相比特征的可解释性更看重精度”的场景。原创 2024-06-01 12:34:59 · 801 阅读 · 0 评论 -
[有监督学习]4.详细图解支持向量机
支持向量机(Support Vector Machine,SVM)是一种应用范围非常广泛的算法,既可以用于分类,也可以用于回归。原创 2024-06-01 12:17:40 · 812 阅读 · 0 评论 -
[有监督学习]3.详细图解逻辑回归
逻辑回归通过计算数据属于各类别的概率来进行分类。原创 2024-06-01 11:41:36 · 636 阅读 · 0 评论 -
[有监督学习]2.详细图解正则化
正则化是防止过拟合的一种方法,与线性回归等算法配合使用。通过向损失函数增加惩罚项的方式对模型施加制约,有望提高模型的泛化能力。原创 2024-06-01 11:15:46 · 865 阅读 · 0 评论 -
[有监督学习]1.详细图解线性回归
借助图来理解,有助于我们把握机器学习的全貌。原创 2024-05-30 17:11:25 · 1086 阅读 · 0 评论 -
[华为可选实验室] 1.线性回归模拟实验
《机器学习》 – 监督学习原创 2024-05-22 11:40:44 · 1051 阅读 · 0 评论