magicbuaa-CSDN博客

原创《机器学习》（周志华）第5章神经网络

5.1 神经元模型 M-P神经元模型：神经元接受n个神经元的输入信号，各个带权重。将总输入值与该神经元的阈值比较，然后通过激活函数处理以产生输出见图p97 每个神经元输出y = f(∑wixi - θ)。理想的激活函数是阶跃函数sgn(x)，但不连续不光滑。因此实际常用sigmoid函数作为激活函数。 5.2 感知机和多层网络感知机：两层神经元组成。输入层：接受外界信号，传递...

2019-06-10 11:55:47 480

原创《机器学习》（周志华）第6章支持向量机

6.1 间隔和支持向量给定一个训练集，最基本的想法就是找一个超平面划分他们。在这些超平面中，正中间的显然“容忍性”最好，即“鲁棒”性超平面可用以下式子来描述： w`x + b = 0 任意x到平面距离可写为： r = |w'x+b| / ||w|| 假设这个面能正确分类，即对于y=1，w'x+b>0；y=-1,w`x+b<0。放在实际里，可能不仅是>0 <0，...

2019-06-03 22:11:01 808

原创《机器学习》（周志华）第4章决策树

决策树决策树是一种基本的分类与回归算法。在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合；也可以认为是定义在特征空间与类空间上的条件概率分布，将特征空间划分成了互不相交的单元。决策树的优点是模型具有可读性，分类速度快。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪。决策树的算法通常是递归地选择最优特征，并根据该特征对训练数据...

2019-05-26 23:37:22 1558

原创《机器学习》（周志华）第3章线性模型

一线性回归线性回归没什么好说的，它的思想是采用对输入样例各个特征进行线性加权的方式得到预测的输出，并将预测的输出和真实值的均方误差最小化。说白了如果输入样例只有一个特征，那这个过程就是用一条直线去拟合平面直角坐标系上的点；如果有两个特征，表现在平面直角坐标系上就是用一条直线将用不同标记（如XX和OO）区分的输入样例分割开来；如果有两个以上特征，那就会映射到高维空间，用超平面来分割。书中...

2019-05-16 20:42:39 260

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 《机器学习》（周志华） 第5章 神经网络

原创 《机器学习》（周志华） 第6章 支持向量机

原创 《机器学习》（周志华） 第4章 决策树

原创 《机器学习》（周志华） 第3章 线性模型

空空如也

空空如也

原创《机器学习》（周志华）第5章神经网络

原创《机器学习》（周志华）第6章支持向量机

原创《机器学习》（周志华）第4章决策树

原创《机器学习》（周志华）第3章线性模型