DAY2--西瓜书

最新推荐文章于 2024-09-06 18:18:59 发布
最新推荐文章于 2024-09-06 18:18:59 发布
阅读量58 收藏
点赞数
文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51275808/article/details/110824538
版权
这篇博客涵盖了机器学习中常用的基础算法，包括线性回归、对数几率回归、决策树、神经网络、支持向量机等。此外，还讨论了软间隔和支持向量回归的概念，以及朴素贝叶斯、EM算法、高斯混合模型和隐马尔可夫模型的应用。内容深入浅出，适合初学者理解。
摘要由CSDN通过智能技术生成

1、线性回归
2、对数几率回归
3、决策树
4、神经网络
5、支持向量机
6、软间隔与支持向量回归
7、朴素贝叶斯
8、EM算法
9、高斯混合模型
10、隐马尔可夫模型

西瓜书公式推：
线性回归公式推导：

m0_51275808
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Day03-《西瓜书》-决策树(DataWhale)
liying_tt的博客
07-22 318
四、决策树 (decision tree) 4.1 基本流程 决策树 是通过一系列规则对数据进行分类的过程。 决策树表示给定特征条件下类的条件概率分布 决策树组成： 内部结点(internal node)：表示一个特征或属性 叶结点(leaf node)：一个类别或某个值 决策树生成步骤： 特征选择 决策树生成 决策树的修剪 4.2 决策树算法 4.2.1 基础知识 信息熵 自信息： I(X)=−logbp(x) I(X) = -log_bp(x) I(X)=−logb​p(x) 熵的理论解释
Day01-《西瓜书》-模型评估与选择(DataWhale)
liying_tt的博客
07-13 171
一、绪论 出处： Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU） 案例： 水果摊旁，挑个根蒂蜷缩，敲起来声音浊响的青绿西瓜。期待是皮薄后瓤甜的瓜 1.1 引言 机器学习 研究如何通过计算的手段，利用经验来改善系统自身的性能。 经验以数据形式存在 学习算法 在计算机上从数据中产生模型的算法 模型 泛指从数据中学到的结果 机器学习分类 根据训练数据是否拥有标记信息 监督学习(supervised learning)：分类
打卡西瓜书-day 1
qq_35417004的博客
05-16 191
第一次交作业~时间有点紧 主要写本子上了 放截图~
Day04-《西瓜书》-神经网络(DataWhale)
liying_tt的博客
07-25 482
五、神经网络 (neural networks) 5.1 神经元模型 (neuron) 神经元接收到来自n个其他神经元传递的输入信号，这写信号通过带权重的连接进行传递，神经元接受到的总输入值与神经元的阈值进行比较后，通过激活函数处理产生神经元的输出。 激活函数 理想的激活函数是阶跃函数，但是阶跃函数步连续，不光滑。实际使用Sigmoid函数。 将一个神经网络视为包含了许多参数的数学模型，这个模型有若干个函数。例如yi=f(∑iwixi−θj)y_i = f(\sum_iw_ix_i-\theta_j)y
Day05-《西瓜书》-支持向量机(DataWhale)
liying_tt的博客
07-29 133
六、支持向量机 **来源：**https://www.bilibili.com/video/BV1Mh411e7VU?p=9 6.1 间隔与支持向量 ​ 训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,+1}D=\{(x_1,y_1),(x_2,y_2),...,(x_m,y_m)\},y_i\in\{-1,+1\}D={(x1​,y1​),(x2​,y2​),...,(xm​,ym​)},yi​∈{−1,+1}，分类学习的基本思想是：基于训练集D在样本空间中找到一个
Day02-《西瓜书》-线性模型(DataWhale)
liying_tt的博客
07-19 89
三、线性模型 **出处：**Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU） 具有很好的可解释性(comprehensibility) 机器学习三要素： 模型：根据具体问题，确定假设空间 策略：根据评估标准，确定选取最优模型的策略（通常会产生一个“损失函数”） 算法：求解损失函数，确定最优模型 3.1 基本形式 给定d个属性描述的示例$ \mathbf{x}=(x_1,x_2,…,x_d)$ 线性模型： f(x)=ω1x1+ω2x2+.
西瓜书学习笔记day2
数学废狒进化史
09-18 601
西瓜书学习笔记
机器学习（MACHINE LEARNING） 【周志华版-”西瓜书“-笔记】 DAY1-绪论
李响
02-05 984
我太喜欢这本书了 ，因为封面很好看 。PS：划重点是教科书！需要一定基础，京东正版有售~ 1.1 引言 机器学习：例如我们人吃过，看过很多西瓜，所以基于色泽。根蒂，敲声这几个特征我们就可以做出相当好的判断。 1.2 ...
机器学习（MACHINE LEARNING） 【周志华版-”西瓜书“-笔记】 DAY2-模型评估与选择
李响
02-06 1018
2.1经验误差与过拟合 学习器在训练集上的误差称为“训练误差”（training error）或”经验误差“。 当学习器把训练样本学得“太好”了的时候， 很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的的一般性质， 这样就会导致泛化性能下降， 这种现象在机器学习中称为“过拟合”（overfitting）。 2.2评估方法 当我们只有一个包含m个样例的数据集D={（x1,y1）,(...
机器学习-DAY1.md
07-14
西瓜书学习-DAY1
机器学习小白学习笔记---day2---knn(分类回归)
godleisen的博客
02-04 1546
机器学习小白学习笔记之scikit-learn 最近刚把西瓜书啃完，一大堆理论让脑子真的是一团浆糊，说实话看的基本只有一个概念哈哈哈，效果不高，但是让我对与机器学习真的是整体有了一个大的了解，但是并没能将每个课后作业都完成，甚至很多公式推导也没实现，太难了，让我着手于实践，古人云实践出真知，又拿起了另一本书《Introduce to Mashine Learning with python》 今天...
【机器学习】朴素贝叶斯网络的基本概念以及朴素贝叶斯网络在python中的实例
ya的博客
09-06 638
概率推断的自动化在医疗领域具有巨大的潜力，可以辅助医生做出更准确和高效的决策。然而，它不应完全取代人类医生，而是作为一个辅助工具，结合医生的专业知识和临床经验，共同提升医疗服务的质量和效率。
线性代数|机器学习-P34神经网络和学习函数
scar2016的博客
09-06 493
构建一个神经网络步骤如下：
【机器学习】朴素贝叶斯方法的概率图表示以及贝叶斯统计中的共轭先验方法
ya的博客
09-06 1162
朴素贝叶斯方法的概率图表示是一种非常有用的视觉工具，它帮助我们理解模型的假设和结构尽管存在这些局限性，朴素贝叶斯分类器由于其简单性和在某些情况下的有效性，仍然是数据科学家和机器学习工程师常用的一种工具。在实际应用中，通常会结合其他算法和技术来克服这些限制，或者在其他算法不适用时作为基准模型如果一个先验分布与似然函数结合后，其后验分布与先验分布属于同一分布族，那么这个先验分布被称为共轭先验。
[机器学习]线性回归算法
最新发布
Letmooning的博客
09-06 256
利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之间关系进行建模的一种分析方式。
机器学习（ML）算法分类
m0_46171719的博客
08-28 411
机器学习算法种类繁多，每种算法都有其独特的优势和适用场景。在选择算法时，需要根据具体问题的性质、数据的特征以及预期的结果来综合考虑。同时，随着机器学习技术的不断发展，新的算法和模型不断涌现，为解决复杂问题提供了更多的可能性。机器学习（ML）算法是一个广泛而多样的领域，涵盖了多种用于数据分析和模式识别的技术。监督学习算法使用标记（即已知结果）的训练数据来训练模型，以便对新数据进行预测。无监督学习算法不需要标记的训练数据，而是从数据中自动发现隐藏的模式或结构。
机器学习如何用于音频分析？
gongdiwudu的专栏
09-03 1225
近十年来，机器学习越来越受欢迎。事实上，它被用于医疗保健、农业和制造业等众多行业。随着技术和计算能力的进步，机器学习有很多潜在的应用正在被创造出来。由于数据以多种格式大量可用，因此现在是使用机器学习和数据科学从数据中提取各种见解并使用它们进行预测的合适时机。机器学习最有趣的应用之一是音频分析和分别了解不同音频格式的质量。因此，使用各种机器学习和深度学习算法可确保使用音频数据创建和理解预测。
基于sklearn的机器学习 — KNN
09-06 663
k-nearest neighbors（KNN）算法是监督机器学习中最简单但最常用的算法之一。KNN通常被认为是一种惰性的学习算法，从技术上讲，它只是存储训练数据集，而不经历训练阶段。KNN的原理是将新样本的特征与数据集中现有样本的特征进行比较。然后通过算法选择最接近的k个样本（k是自定义参数），新样本的输出是基于"k"最近样本的多数类(用于分类)或平均值(用于回归)确定的。
day--和--day区别
04-18
"day--"和"day"是两种不同的操作符，它们在编程中有着不同的含义和用法。 1. "day--"是一个后缀自减操作符，用于将变量的值减1，并返回减1之前的值。例如，如果有一个变量day的值为5，执行day--操作后，day的值将...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值