自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

原创 MachineLearning03_SVM算法

SVM分为线性和非线性的(其实线性就是非线性的一种特例) 首先给出一个非常非常简单的分类问题(线性可分),我们要用一条直线,将下图中黑色的点和白色的点分开,很显然,图上的这条直线就是我们要求的直线之一(可以有无数条这样的直线)     假如说,我们令黑色的点 = -1, 白色的点 =  +1,直线f(x) = w.x + b,这儿的x、w是向量,其实写成这种形式也是等价的f(x) =

2016-07-22 21:47:45 760

原创 MachineLearning02_KNN(最近K邻算法)

kNN算法的指导思想是“近朱者赤,近墨者黑”,由你的邻居来推断出你的类别。 1、指导思想 kNN算法的指导思想是“近朱者赤,近墨者黑”,由你的邻居来推断出你的类别。 计算步骤如下:     1)算距离:给定测试对象,计算它与训练集中的每个对象的距离(一般采用欧几里得距离)     2)找邻居:圈定距离最近的k个训练对象,作为测试对象的近邻     3)做分类:根据这k个近邻归属的主

2016-07-01 23:18:59 845

原创 MachineLearning01_DecisionTree(决策树)

分类树(决策树)是一种十分常用的分类方法。他是一种监管学习,所谓监管学习就是给定一堆样本,每个样本都有一组属性和一个类别,这些类别是事先确定的,那么通过学习得到一个分类器,这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。 下面介绍用ID3算法构造决策树的过程(参考 http://blog.csdn.net/acdreamers/article/details/

2016-07-01 23:04:20 5657

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除