机器学习实战
zc0510zc
啦啦啦
展开
-
SVM代码实现(硬间隔+软间隔)
目录1、线性可分支持向量机/硬间隔支持向量机适用场景:训练数据线性可分方法:通过硬间隔最大化2、线性支持向量机/软间隔支持向量机适用场景:训练数据近似线性可分方法:通过软间隔最大化3、代码1)线性可分支持向量机的实现2)线性支持向量机的实现以及五折交叉验证进行寻找最佳的惩罚系数C1、线性可分支持向量机/硬间隔支持向量机数据集:T={(x1,y1),(x2,y2),…,(xN,...原创 2019-11-07 09:49:12 · 5850 阅读 · 6 评论 -
机器学习实战(第1章 机器学习基础)
1、目录结构监督学习:机器只需从输入数据中预测合适的模型,并从中计算出目标变量的结果。标称型:标称型目标变量的结果只在有限目标集中取值(如真与假、动物分类集合{ 爬行类、鱼类、哺乳类、两栖类、植物、真 菌 };)—-用于分类数值型:数值型目标变量则可以从无限的数值集合中取值(如 0.100、42.001、000.743等 。)—–用于回归1.1 何谓机器学习把无序的数据转换成有用的信息。1原创 2017-07-11 15:48:19 · 515 阅读 · 0 评论 -
欢迎使用CSDN-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl转载 2017-07-10 10:57:47 · 209 阅读 · 0 评论 -
机器学习实战(第2章 k-近邻算法)
机器学习实战(第2章 k-近邻算法)原创 2017-07-22 10:24:28 · 2775 阅读 · 1 评论 -
机器学习实战(第3章 决策树)
机器学习实战(第3章 决策树)决策树(decision tree)是一个树结构(可以是二叉树或非二叉树)。其每个非叶节点表示一个特征属性上的测试,每个分支代表这个特征属性在某个值域上的输出,而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始,测试待分类项中相应的特征属性,并按照其值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为决策结果。原创 2017-07-25 22:41:28 · 1054 阅读 · 0 评论