![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
文章平均质量分 89
Xionglingchu
金融民工,业余码农。
展开
-
【深度学习1】神经网络NN原理介绍
前言为什么我们要使用NN?因为任何函数都可以用NN来无限逼近,小到最基础的逻辑函数,可以通过调整权重,用一层NN实现,大到复杂的函数,可以通过多层NN,每层多个cells的深度神经网络来实现概念介绍1、常见的激活函数2、最简单的一层NN3、何谓“训练”NN?如何训练?定义:我们训练/学习的是NN每一层的weights训练方法:Forward pass then backwar...原创 2020-03-08 17:55:45 · 1848 阅读 · 0 评论 -
【机器学习4】随机森林 Random Forest
1. 介绍定义:Random Forest可以视为若干棵Decision Tree的Ensemble集成。好处:随机森林比一般的决策树,具有更小的方差和variance,是目前应用最广法、且分类效果最好的一种机器学习算法。2. 步骤原始dataset的info:N = 3000,3000只股票;M = 8,包括high,low,close,open,volome,MA10,MA...原创 2020-03-05 14:21:12 · 407 阅读 · 0 评论 -
【机器学习5】逻辑回归 Logistic Regression
逻辑回归应用于二分类问题,如果是多分类问题,则需要用softmax1. Logistic(Logit) Function (i.e. Sigmoid function)Input为X在实数区间,Output为Y 在0-1之间(大多数时候,也用h(x)表示output)分类方法:Y = 1的概率 < 0.5,则不属于该类别; Y = 1的概率 > 0.5,则属于该类别构造步...原创 2020-03-04 23:11:32 · 173 阅读 · 0 评论 -
【机器学习2】决策树 Decision Tree
I 决策树定义(Decision Tree)组成:根节点(x属性变量)、内部根节点(x属性变量)、叶子节点(y分类变量) 实质:一系列if-then规则组成单层决策树(又称决策树桩,decision tree stump),是最简单最基础的决策树,由一个根节点和两个叶子节点组成,只按一个特征进行分类。II 决策树算法ID3(Quinlan, 1986)、C4.5、CART(Bre...原创 2018-02-17 22:39:13 · 443 阅读 · 0 评论 -
【机器学习3】基于决策树的Adaboost增强算法
定义:The AdaBoost algorithm is an iterative procedure that combines many weak classifiers to approximate the Bayes classifier C∗(x). Starting with the unweighted training sample, the AdaBoost builds a c...原创 2018-02-18 00:26:37 · 1042 阅读 · 0 评论 -
【机器学习1】支持向量机 (SVM)
支持向量机 Support Vector MachinePart I 相关理论简介:https://en.wikipedia.org/wiki/Support_vector_machine属性:有监督学习;分类算法应用:文本分析:分类图片分类手写字符的识别生物科学算法实质:(线性/非线性)约束下的优化问题;目标函数就是我们想要求解的分类平面(i.e. 超平面 hyperplane)分类及对应原理...原创 2018-01-23 15:11:20 · 318 阅读 · 0 评论