![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Pang_ling
这个作者很懒,什么都没留下…
展开
-
Task1 线性回归
线性回归 线性回归的基本元素 线性回归模型从零开始实现 线性回归模型使用pytorch的简洁实现 1.线性回归的基本要素 模型 假设房价取决于房屋的两个状态:面积(平方米)与房龄(年),探索价格与这两个因素的具体关系。线性回归假设输出与各个输入之间是线性关系: 数据集 我们通常收集一系列的真实数据,例如多栋房屋的真实售出价格和它们对应的面积和房龄。我们希望在这个数据上面寻找模型参数来使模型的...原创 2020-02-14 21:20:26 · 186 阅读 · 0 评论 -
回归
线性回归概述 我们前边提到的分类的目标变量是标称型数据,而回归则是对连续型的数据做出处理,回归的目的是预测数值型数据的目标值。直接的办法是依据输入写出一个目标值的计算公式。 假如你想要预测兰博基尼跑车的功率大小,可能会这样计算: HorsePower = 0.0015 * annualSalary - 0.99 * hoursListeningToPublicRadio 这就是所谓回归方程,其中的...原创 2019-12-21 23:46:45 · 259 阅读 · 0 评论 -
AdaBoost
集成方法: ensemble method(元算法: meta algorithm) 概述 概念:是对其他算法进行组合的一种形式 通俗解释:做重要决定,综合多个专家的意见。机器学习处理问题时又何尝不是如此? 这就是集成方法背后的思想。 集成方法 投票选举(bagging: 自举汇聚法 bootstrap aggregating): 是基于数据随机重抽样分类器构造的方法。新数据集和原数据集的大小相...原创 2019-12-18 17:32:47 · 380 阅读 · 0 评论 -
支持向量机
简要介绍 1.SVM - Support Vector Machine ,俗称支持向量机,是一种 supervised learning (监督学习)算法,属于 classification (分类)的范畴。广泛应用于 Machine Learning (机器学习),Computer Vision (计算机视觉,装逼一点说,就是 cv)和 Data Mining (数据挖掘)当中。 2.支持向量:...原创 2019-12-07 17:42:55 · 516 阅读 · 0 评论 -
朴素贝叶斯分类
一 简介 朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失、是否值得投资、信用等级评定等多分类问题。 优点:在数据较少的情况下仍然有效,可以处理多类别问题。 缺点:对于输入数据的准备方式较为敏感。 适用数据类型:标称型数据。 二 贝叶斯理论与条件概率 贝叶斯理论 假设现在我们有一个数据集,它由两类数据组成,数据分布如下图所示: 在用p1(x,y)表示数据点(x,y)属于类别...原创 2019-11-23 22:29:17 · 281 阅读 · 1 评论 -
决策树
本章内容 决策树简介 在数据集中度量一致性 使用递归构造决策树 使用Matplotlib绘制树形图原创 2019-11-17 23:32:31 · 407 阅读 · 0 评论 -
k-邻近算法
k-邻近算法概述 简单来说,,k-近邻算法采用测量不同特征值之间的距离方法进行分类。 优点:精度高、对异常值不敏感、无数据输入假定。 缺点:计算复杂度高、空间复杂度高。 适用数据范围:数值型和标称型 工作原理:通过计算待分类数据点,与已有数据集中的所有数据点的距离。取最小的前k个点,根据少数服从多数的原则,将这个数据点划分为出现次数最多的那个类别。一般来说,我们 只选择样本数据集中前k个最相似的数...原创 2019-11-16 16:40:29 · 1045 阅读 · 0 评论