machine learning
文章平均质量分 96
潘小榭
人来到这个世界,只要你有欲望,你必定要面对跨越。你想活下去就要去抭争。不要怨天和怨地,要活下去的是你自己。陷入生活困境时往往就剩孤身一人,成功了周围才有很多人。这就是现实,痛苦留给自己,快乐和别人分享。
展开
-
神经网络python实现
写这篇博文主要是在帮助自己理解和记忆,以及方便自己以后查询,内容非原创。(我还没这水平,希望以后有 - - ) 参考内容:[从头开始实现神经网络:入门] (http://python.jobbole.com/82208/) 原英文版Implementing a Neural Network from Scratch - An Introduction 周志华教授:《机器学习》一、神经元模型原创 2017-05-14 11:07:15 · 2369 阅读 · 0 评论 -
机器学习之Adaboost
主要内容: 1.何为提升学习方法adaboost 2.adaboost算法步骤 3. 代码实现 4. sklearn使用一、何为提升学习方法历史上,Kearns和Valiant首先提出了“强可学习(strongly learnable)”和“弱可学习(weakly learnable)”的概念。指出:在概率近似正确(probably approximately correct,PAC)学习框原创 2017-09-02 16:54:31 · 1124 阅读 · 0 评论 -
机器学习相关知识
之前学习的东西很杂,都是想到哪个算法,就去学。并没有很系统的去理解他们的区别,这样可能就没办法理解其真正的含义。再就是一心想着找实习,可是没有足够的水平水平很难去做这方面项目,即使找到了,可能也很low . 所以其实我要做的是静下心来,系统的,深入的去学习、理解和实现这些算法、知识。 常用的机器学习算法:**监督学习:**Classification 分类、regression 回归1. K原创 2017-07-13 11:18:09 · 226 阅读 · 0 评论 -
机器学习之决策树
一.决策树模型和学习 1.决策树定义 决策树(decision tree)是一个树结构(可以是二叉树或非二叉树)。其每个非叶节点表示一个特征属性上的测试,每个分支代表这个特征属性在某个值域上的输出,而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始,测试待分类项中相应的特征属性,并按照其值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为决策结果。2.决策树的学习构造决原创 2017-06-26 02:00:00 · 833 阅读 · 0 评论 -
聚类算法
机器学习中有两类的大问题,一个是分类,一个是聚类。分类是根据一些给定的已知类别标号的样本,训练某种学习机器,使它能够对未知类别的样本进行分类。这属于supervised learning(监督学习)。而聚类指事先并不知道任何样本的类别标号,希望通过某种算法来把一组未知类别的样本划分成若干类别,这在机器学习中被称作 unsupervised learning (无监督学习)。1、定义: 所谓聚类问原创 2017-06-03 17:54:19 · 643 阅读 · 0 评论 -
机器学习中的数学(慢慢补充)
一、微积分 七月算法机器学习笔记1 微积分与概率论 1、为什么反梯度方向为什么是函数下降的最快的方向?其中涉及到泰勒级数,以及对于多元函数的梯度。2、二次型的梯度计算二、概率论 七月算法机器学习笔记2 数理统计与参数估计 1、高斯分布 2、贝叶斯公式三、矩阵理论 七月算法机器学习笔记3 线性代数与矩阵 1、特征值和特征向量 2、对称矩阵的对角化(协方差矩阵一定能对角化) 3、PCA原创 2017-05-22 19:53:54 · 337 阅读 · 0 评论 -
降维算法
此文是自己的学习博客,主要参考Rachel-Zhang的Stanford机器学习—第十讲. 数据降维 博客中说到,感谢先行的数学家,让许多问题在数学上根本不是问题,也要感谢你们将自己的理解写成博客分享给后来学习者~thx一、为什么要降维? 我们需要一组关于XXX的数据,定义就铺天盖地的来了,百万级个特征拿过来,我们怎么进行机器学习啊?!李航老师在他的博客《机器学习新动向:从人机交互中学习》中提到原创 2017-05-26 10:34:34 · 614 阅读 · 0 评论 -
logistic回归
回归就是对已知公式的未知参数进行估计。比如已知公式是y=a∗x+by=a∗x+b,未知参数是a和b,利用多真实的(x,y)训练数据对a和b的取值去自动估计。估计的方法是在给定训练样本点和已知的公式后,对于一个或多个未知参数,机器会自动枚举参数的所有可能取值,直到找到那个最符合样本点分布的参数(或参数组合)。 何为logistic回归呢,他是用来干嘛的? Logistic regress原创 2017-05-09 16:35:39 · 857 阅读 · 0 评论 -
KNN算法
一、算法概述 KNN是Machine Learning领域一个简单又实用的算法,与之前讨论过的算法主要存在两点不同:1、它是一种非参方法。即不必像线性回归、逻辑回归等算法一样有固定格式的模型,也不需要去拟合参数。 它既可用于分类,又可应用于回归。 KNN的基本思想有点类似“物以类聚,人以群分”,打个通俗的比方就是“如果你要了解一个人,可以从他最亲近的几个朋友去推测他是什么样的人”。在原创 2017-05-23 19:58:22 · 468 阅读 · 0 评论 -
从生成模型到GDA再到GMM和EM算法
在学习生成模型之前,先学习了解下密度估计和高斯混合模型。为什么呢?因为后面的VAE\GANs模型都需要把训练样本,也就是输入的图像样本看作是一个复杂的、多维的分布。1. 知乎上关于图像频率的解释作者:耳东陈 链接:https://www.zhihu.com/question/20099543/answer/13971906 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请原创 2018-03-21 17:44:10 · 1864 阅读 · 0 评论