机器学习
yhgao96
在读硕士,研究方向:机器人、机器学习,深度学习、图像处理等
展开
-
机器学习|感知机
运用感知机模型实现对鸢尾花分类运用感知机实现对鸢尾花进行分类import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapplt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一(...原创 2019-12-23 15:44:15 · 247 阅读 · 0 评论 -
机器学习|两个隐藏层的Softmax分类器
Tensorflow实现两个隐藏层的Softmax分类器Softmax分类器介绍之前用Tensorflow实现Logistic回归模型的博客里面讲解了Logistic,最后顺便提了一下Softmax模型,并给出了一个实例。Softmax是用于分类过程,用来实现多分类的,简单来说,它把一些输出的神经元映射到(0-1)之间的实数,并且归一化保证和为1,从而使得多分类的概率之和也刚好为1。不同于Lo...原创 2019-12-06 14:22:20 · 1163 阅读 · 0 评论 -
机器学习|TensorFlow实现KNN模型
Tensorflow实现K近邻分类器1. K近邻分类模型基本原理如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别,其中K通常是不大于20的整数。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。2. K近邻分类模型的三个基本要素(a) 距离度量 ...原创 2019-12-04 21:16:32 · 607 阅读 · 0 评论 -
机器学习|线性回归模型
线性回归模型by - YHDate - 23/11/2019从今天开始我的机器学习之路,以后会不定期的更新,敬请大家期待!本文主要运用TensorFlow实现了机器学习中的线性回归模型,这里是在Jupyter Notebook上面实现的。%matplotlib inlineimport tensorflow as tfimport numpy as npimport ma...原创 2019-11-23 15:47:29 · 270 阅读 · 0 评论 -
支持向量机原理(二)线性支持向量机的软间隔最大化模型
上一节当中我们对线性可分,即硬间隔情况进行了介绍,本节继续介绍一下支持向量的软间隔模型。1.线性分类SVM面临的问题 我们在讨论线性支持向量机的时候,就假定数据是线性可分的,也就是说可以找到一个可行的超平面可以将数据完全分开,但是有的时候会在可分类的样本中混入异常点,我们称之为outlier,存在这种outlier导致样本不能线性可分,比如下面的这张图...原创 2019-06-07 15:13:04 · 590 阅读 · 0 评论 -
支持向量机原理(一)线性支持向量机
一、前言 支持向量机(Support Vector Machine)是一种二分类模型,其基本模型定义为特征空间上间隔最大的线性分类器,其学习的策略便是间隔最大化,最终可以转化为一个凸二次规划问题的求解。经过多年的发展,SVM也适用于多元分类,经过拓展,SVM也能够应用于线性回归,本文的重点就是对SVM相关原理进行介绍。首先什么是线性分类器?给定一些数据点,他们分别属于两个不同...原创 2019-06-02 11:32:00 · 3759 阅读 · 0 评论 -
机器学习——EM算法
EM(Exception Maximization)算法引言:在动笔之前,我在网上翻阅了许多的资料,生怕自己理解的不透彻,网上也有许多良心之作,对我理解该算法起到了巨大的帮助作用,EM算法既简单又复杂,简单在于它的思想是非常简单的,仅包含两个步骤就能完成强大的功能,复杂在于它对数学基础要求比较高,公式推导相对比较繁琐,可能世界上最伟大的东西都是这样吧,越是简单的东西却有着复杂的机理,但是越复杂...原创 2019-03-29 18:17:21 · 428 阅读 · 0 评论 -
机器学习——K-means算法
一、K-Means算法简介 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程,聚类就是一种发现这种内在结构的技术,聚类技术属于机器学习中的无监督学习。k-means聚类是最著名的划分聚类算法,由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k,k由用户指定,k均值算法根据某个距离函数反复把数据分入k个聚类中。 二、算法基本思...原创 2019-03-26 10:15:39 · 852 阅读 · 0 评论 -
优化算法之——最速下降法
引言:在解决无约束问题时,经常用到的一类算法是最速下降法,在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。反过来,如果我们需要求解损失函数的最大值,这时就需要用梯度上升法来迭代了。在机器学习中,基于基本的...原创 2019-03-15 22:33:25 · 79109 阅读 · 8 评论