机器视觉和数据挖掘
文章平均质量分 72
「已注销」
这个作者很懒,什么都没留下…
展开
-
机器学习算法基础知识
可利用的算法非常之多。困难之处在于既有不同种类的方法,也有对这些方法的扩展。这导致很快就难以区分到底什么才是正统的算法。在这里,两种方式来思考和区分在这个领域中你将会遇到的算法。第一种划分算法的方式是根据学习的方式,第二种则是基于形式和功能的相似性(就像把相似的动物归为一类一样)。两种方式都是有用的。一、学习方式基于其与经验、环境,或者任何我们称之为输入数据的相互作用,一个算法可以用不同的方式对一个转载 2016-01-24 19:09:42 · 534 阅读 · 0 评论 -
机器学习中的数学(1)-回归和梯度下降
回归与梯度下降:回归在数学上来说是给定一个点集,能够用一条曲线去拟合之,如果这个曲线是一条直线,那就被称为线性回归,如果曲线是一条二次曲线,就被称为二次回归,回归还有很多的变种,如locally weighted回归,logistic回归,等等,这个将在后面去讲。用一个很简单的例子来说明回归,这个例子来自很多的地方,也在很多的open source的软件中看到,比如说weka。大概就是,做一个房屋价转载 2016-01-24 19:56:49 · 445 阅读 · 0 评论 -
机器学习中的数学(2)-线性回归,偏差、方差权衡
线性回归定义:在上一个主题中,也是一个与回归相关的,不过上一节更侧重于梯度这个概念,这一节更侧重于回归本身与偏差和方差的概念。回归最简单的定义是,给出一个点集D,用一个函数去拟合这个点集,并且使得点集与拟合函数间的误差最小。上图所示,给出一个点集(x,y), 需要用一个函数去拟合这个点集,蓝色的点是点集中的点,而红色的曲线是函数的曲线,第一张图是一个最简单的模型,对应的函数为y = f(x) = a转载 2016-01-24 20:29:20 · 892 阅读 · 0 评论