![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 89
梦中人z
这个作者很懒,什么都没留下…
展开
-
吃瓜教程第六章支持向量机学习
借用机器学习实战:基于Scikit-Learn、Keras和TensorFlow:原书第2版中的图来说明:左图显示了三种可能的线性分类器的决策边界。其中虚线所代表的模型表现非常糟糕,甚至都无法正确实现分类。其余两个模型在这个训练集上表现堪称完美,但是它们的决策边界与实例过于接近,导致在面对新实例时,表现可能不会太好。相比之下,右图中的实线代表SVM分类器的决策边界,这条线不仅分离了两个类,并且尽可能远离了最近的训练实例。你可以将SVM分类器视为在类之间拟合可能的最宽的街道(平行的虚线所示)。请注意。原创 2024-05-04 17:16:26 · 946 阅读 · 1 评论 -
吃瓜教程第五章神经网络学习
定义:“神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应随着计算机软硬件的飞速发展,现阶段通过拥有众多层数神经网络(Neural Network)来模拟人脑来解释数据,包括图像,文本,音频等内容。卷积神经网络(Convolutional Neural Network)循环神经网络(Recurrent Neural Network)生成对抗网络(Generative Adversarial Networks)原创 2024-05-02 23:32:32 · 79 阅读 · 1 评论 -
吃瓜教程第四章决策树学习
是⼀种树形结构,本质是⼀颗由多个判断节点组成的树其中每个内部节点表示⼀个属性上的判断,每个分⽀代表⼀个判断结果的输出,最后每个叶节点代表⼀种分类结果。原创 2024-04-28 21:51:36 · 867 阅读 · 0 评论 -
学习吃瓜教程第3章线性模型总结
一对多”:训 练10个二元分类器,每个数字一个(0-检测器、1-检测器、2-检测 器,以此类推)。然后,当你需要对一张图片进行检测分类时,获取每个分类器的决策分数,哪个分类器给分最高,就将其分为哪个类。注意:有文献译为 “逻辑回归”,但中文 “逻辑”与 logistic和 logit的含义相去甚远,因此西瓜书意译为 “对数几率回归”,简称 “对率回归”.“一对一”:为每一对数字训练一个二元分类器:一个用于区分0和1,一个区分0和2,一个区分1和2,以此类推。,相应的,把数据集D 表示为一个。原创 2024-04-20 19:44:32 · 589 阅读 · 0 评论 -
学习吃瓜教程1-2章总结
吃瓜教程1-2章学习原创 2024-04-17 13:41:52 · 277 阅读 · 0 评论