机器学习算法
文章平均质量分 84
小蓝人
这个作者很懒,什么都没留下…
展开
-
[ML]聚类之学习向量量化LVQ
LVQ,Learning Vector Quantization,学习向量量化LVQ需要数据样本带有类别标记,学习过程中需要利用这些监督信息来辅助聚类。 接受代标记的数据集D D和原型向量个数k k,以及初始化的原型向量标记t i ,t i ∈Y,i=1,2,…,k {t_i},\;{t_i} \in Y,\;i = 1,2, \ldots ,k,学习率参数η∈(0,1) \eta \in (0原创 2017-04-04 19:51:48 · 11182 阅读 · 0 评论 -
[ML]机器学习之线性回归
机器学习主要有2类:监督学习、无监督学习。前者是指训练样本是有标记的,需要学习的是模型与参数,使得预测值尽可能地接近真实值,典型代表为回归、分类,其中回归是指标记为连续数值(如考试分数),而分类则是指标记为离散值或类别标号(比如天气是多云还是小雨);后者是指训练样本是无标记的,需要学习出这些样本本身的联系或者逻辑关系、结构关系,典型代表为聚类。如上所述,线性回归自然属于监督学习。线性回归就是给定输入原创 2017-03-20 16:06:01 · 337 阅读 · 0 评论 -
[ML]强化学习
我们想一下一个场景:驯兽师对海豚进行训练,使得海豚可以进行:起立——上台阶——跳跃——投篮——投中这一系列动作,并对海豚的每一个动作给予奖赏。所以海豚需要学习摸索,如何才能得到最高的奖赏。对海豚而言,每次动作得到的奖赏不同,海豚需要从驯兽师给的反馈中,总结出一套策略,针对每一个状态选择一个最优的动作,使得最终获得的奖赏最高。这就是强化学习。 强化学习任务可用四元组来表示E=(X,原创 2017-04-28 17:00:04 · 541 阅读 · 0 评论