![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 52
Dom SHEN
机器学习、深度学习小萌新
展开
-
机器学习笔记(六)人工神经网络-感知机
人工神经网络一、感知机算法感知机接收多个输入信号,输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电流流过导线,向前方输送电子一样,感知机的信号也会形成流,向前方输送信息。感知机的信号只有(0/1)两种取值,0对应“不传递信号”,1对应“传递信号”。如图所示x1,x2是输入信号,y是输出信号,w1,w2是权重。一个圈表示一个“神经元”或“节点”。神经元会计算传过来的信号总和,只有当总和超过某个界限值时,才会输出1。这个界限成为阈值θ。如下图公式可以表示:感知机原创 2021-11-23 18:29:03 · 914 阅读 · 0 评论 -
机器学习笔记(五)决策树
决策树一、决策树原理1.决策树:从训练数据中学习得出一个树状结构的模型。决策树属于判别模型2.决策树是一种树状结构,通过作出一系列决策来对数据进行划分,这类似于针对一系列问题进行选择。3.决策树的决策过程就是从根节点开始,测试待分类项中对应的特征属性,并按照其值选择输出分支,直到叶子节点,将叶子节点的存放的类别作为决策结果。4.决策树算法是一种归纳分类算法,它通过对训练数据集的学习,挖掘出有用的规则,用于对新数据进行预测。5.决策树算法属于监督学习方法。6.决策树归纳的基本算法是贪心算法,自原创 2021-11-22 11:04:45 · 1006 阅读 · 0 评论 -
机器学习 周志华 课后习题 7.3
7.3 试编程拉普拉斯修正的朴素贝叶斯分类器,并以西瓜数据集3.0为训练集,对“测1”样本进行判别。代码 python代码实现。import pandas as pdimport mathimport numpy as npclass LaplacianNB(): """ Laplacian naive bayes for binary classification problem. """ def __init__(self): """原创 2021-11-22 10:54:53 · 1691 阅读 · 0 评论 -
机器学习 笔记 (二)logistic regression
逻辑回归(Logistic Regression)一、代价函数由之前所学可知线性回归的代价函数为:逻辑回归模型中如果继续沿用线性回归模型的代价函数,将会得到一个非凸函数。所以重新定义逻辑回归的代价函数为:其中这样构建的代价函数的特点:当实际的y=1且h(x)也为1时误差为0,当y=1但h(x)不为1时误差随着h(x)变小而变大;当实际的y=0且h(x)也为0时代价为0,当y=0但h(x)不为0时误差随着h(x)的变大而变大。简化模型:带入代价函数得到:简化的函数和梯度下降...原创 2021-11-17 20:28:56 · 455 阅读 · 0 评论 -
机器学习笔记(一 补充)
多项式回归线性回归并不适用于所有数据,有时我们需要用曲线来适应数据,比如一个二次方模型:或者三次方模型:可以令:x2=x22,x3=x33 x_2 =x_2^2,x_3=x_3^3x2=x22,x3=x33从而将模型转换为线性回归模型根据函数图形特性还可以:hθ(x)=θ0+θ1(size)+θ2size h_θ(x) =θ_0+θ_1(size)+θ_2\sqrt{size}hθ(x)=θ0+θ1(size)+θ2size注:采用多项式回归模型,在运行梯度下降算法前,特原创 2021-11-16 20:18:05 · 175 阅读 · 0 评论 -
机器学习笔记(一)
机器学习 学习笔记一两种类型学习算法 监督学习和无监督学习2.单变量线性回归3.梯度下降两种类型学习算法 监督学习和无监督学习监督学习(Supervised Learning)需要数据集分为两类(1)回归问题,Regression problem(如:预测房价的数据图),对于里面每个数据,算法都知道对应的正确房价,这套房子卖出的价格,算法的结果就是算出更多的价格。(2)分类问题,Classification problem(如:肿瘤良性恶性的数据图),对于肿瘤的良性恶性进行分类,算法的结果就是原创 2021-11-15 22:07:40 · 710 阅读 · 0 评论