人工智能学习
文章平均质量分 88
newqingzbk
这个作者很懒,什么都没留下…
展开
-
统计学习方法学习总结(二):k临近法
假设我们有一个训练数据集 D={(x1,y1),(x2,y2),...,(xn,yn)},其中每个 ��xi 是一个特征向量,yi 是对应的标签。:对于一个新的未标记点 x,找到训练集 D 中距离 x 最近的K个点。这可以表示为:Nk(x)={(x′,y′)∈D∣x′ 是离 x 第k近的点}。通常,这个选择是轮流进行的,例如,在一个二维空间中,可能依次选择X轴、Y轴。KD树是一种二叉树,每个节点代表K维空间中的一个数据点,使得搜索特定数据点变得更加高效。:继续回溯和检查,直到根节点。原创 2024-01-23 16:54:26 · 997 阅读 · 1 评论 -
统计学习方法学习总结(一):感知机
感知机是二类分类的线性分类模型,其输入为,输出为,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型。感知机学习算法具有简单而易于实现的优点,分为原始形式和对偶形式。感知机预测是用学习得到的感知机模型对新的输入实例进行分类。原创 2024-01-22 20:20:20 · 948 阅读 · 1 评论 -
白话机器学习的数学学习总结(二):分类问题
感知机是接受多个输入后将每个值与 各自的权重相乘,最后输出总和的模型。感知机是非常简单的模型,基本不会应用在实际的问题中。感知机也被称为简单感知机或单层感知机,真 的是很弱的模型。)意思是通过判别函数对宽和高的向量x进行分类的结果与实际标签的y结果不同。也就是说,刚才的更新表达式只有在判别函数分类失败的时候 才会更新参数值。接下来要讲的算法与感知机的不同之处在于,它是把分类作为概率来考虑的。,画一条与新的权重向量 垂直的直线,相当于把原来的线旋转了一下。所以更新表 达式是这样的,其实就是向量的加法。原创 2024-01-20 17:25:24 · 906 阅读 · 0 评论 -
白话机器学习的数学学习总结(一):回归问题
x,所以需要根据导数符号的相反的方向移动x,g(x)就会自然而然的沿着最小值方向前进了。: 在实现参数更新之前,建议进行数据预处理,如将训练数据转换为平均值为0、方差为1的数据,也称为标准化或z-score规范化。这些内容提供了对一次函数在回归模型中的应用的基本了解,包括如何实现和调整模型参数以及如何通过实验验证模型的有效性。在实际应用中,合理地选择和调整学习率,以及正确地理解和计算误差值,对于确保模型有效学习和收敛至关重要。且与之前的值作比较,这样会很麻烦,所以需要使用函数的微分,首先计算。原创 2024-01-19 17:20:34 · 417 阅读 · 0 评论