ligangminglove的博客

原创 1.3 推荐算法

原创 1.2 推荐系统架构设计

原创 1.1推荐系统简介

推荐系统的概念及产生背景1、推荐系统是一个信息过滤系统2、解决了信息过载和用户需求不明确的问题3、与搜索的区别主要体现在个性化，流量分布，评价方式上推荐系统的原理及作用1、社会化推荐 基于流行度的推荐 基于内容推荐 协同过滤推荐2、可以提高用户使用时长，促进主要商业指标增长推荐系统与web项目的区别1、信息过滤系统和信息流通系统2、推荐系统结果是不确定的...

原创 多项式回归

欠拟合：过拟合：

原创 梯度下降中的归一化

减均值 除以方差 最后缩放到 0到1之内缺点：有好多为0的，也就是有好多局部最优解，没有全局最优解。路径不一样，找到的局部最优解也不一样。...

原创 层次聚类

Mean Shift原理如下：Mean Shift原理如上：

原创 聚类算法原理

算法流程：1，选择聚类的个数K.2,任意产生K个聚类，然后确定聚类中心，或者直接生成K个中心。3，对每个点确定其聚类新中心。4，再计算其聚类新中心。5.重复以上步骤直到满足收敛要求。（通常就是确定的中心点不再改变。）K-means:事先确定常数K,常数K意味着最终的聚类类别数，首先随机选定初始点为质心，并通过计算每一个样本与质心之间的相似度（这里为欧式距离），将样本点...

原创 决策树

决策树简介决策树的生成

原创 卡方检验

卡方检验

原创 统计学习方法 -- 李航 第三章 K近邻法

模型：K近邻法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。三要素：K值的选择、距离度量、分类决策两点之间构建垂直平分线，一直到所有的点都构造完垂直平分线，这样就构造成了 泰森区域，这样小区域内到改点的距离最近；K值的选择...

原创 KNN算法

一,KNN算法两点指点求距离公式：KNN算法：步骤：求距离》选最近》投票两个问题：K值的选择，影响分类结果，K值过大，容易欠拟合；K值过小，容易过拟合不均衡样本，KNN算法效果不好二、度量距离3.距离度量1，欧式距离（平方开根号）2，曼哈顿距离（绝对值之和）3，切比雪夫距离（棋盘，绝对值最大的）4，马氏距离（分布及方差等）5，汉明...

原创 机器学习工作流程

3-1 机器学习工作流程机器学习工作流程小总结：1.1956年 AI元年 达特茅斯会议图灵–“图灵测试”2.CPU与GPU1，CPU擅长逻辑控制，GPU擅长的是大规模并发计算2，内部结构：核数目，ALU数量及配置不同3，机器学习 vs 深度学习1，深度学习人为干预更少（特征提取）2，深度学习网络，层数更多4，回归问题：1，预测数字2，评估方式：误差平方和；误差绝对...

原创 2-3 深度学习

深度学习通过组合低层特征形成更加抽象的高层表示属性类别，以发现数据的分布式特征表示。第1层：负责识别颜色及简单纹理第2层：识别更加细化的纹理，布纹，刻纹，叶纹等第3层：负责感受黑夜里的黄色烛光，高光，萤火，鸡蛋黄色等。第4层：识别萌狗的脸，宠物形貌，圆柱体事物，七星瓢虫等的存在第5层：负责识别花，黑眼圈动物，鸟，键盘，原型屋顶等增加层数：通过更抽象的概念识别物体，器官层...

原创 2-1 人工智能主要分支

一、 人工智能主要方向2-2 机器学习机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测如果垃圾邮件发送者注意到所有包含“4U”字眼的 电子邮件都被阻止，他们很可能会开始写成“For U”。使用传统编程技术的垃圾邮件过滤器需要 人为更新标记“For U”的邮件。而如果垃圾邮件 发送者持续围绕着你的过滤器来变更策略，那你 将需要永无止境地续写新的过滤规则。 相比之下，基于机器...

原创 机器学习 应用场景与发展历程

一、应用场景与发展历程GPU与CPU对比Cache, local memory： CPU > GPUThreads(线程数): GPU > CPUSIMD Unit(单指令多数据流,以同步方式，在同一时间内执行同一条指令): GPU > CPU1-3 CPU与GPU1,GPU 加速计算可以将应用程序计算密集 部分的工作负载转移到 GPU，同时仍由 CPU 运行其余程...