机器学习
文章平均质量分 96
包含监督学习、非监督学习、深度学习等原理及代码
田sir的芝士矩阵
知识本身没有门槛
学习本身就是目的
展开
-
【机器学习】逻辑化讲清PCA主成分分析
小编去年数学建模比赛的时候真的理解不了主成分分析中的“主成分”的概念!!但是,时隔两年,在机器学习领域我又行了,终于搞明白了!且看正文!再分享一个今天听到的播客中非常触动我的一句话吧:“人生也许没有诗和远方,你脚下的苟且就是你没有发现的诗和远方。”来自钱婧老师的新书《我有自己的宇宙》原创 2024-05-10 19:47:51 · 2078 阅读 · 1 评论 -
【多元统计】逻辑化讲清判别分析(上)
在对于数据的分类中,我们在上一篇文章中详细讲解了朴素贝叶斯分类器这一模型,朴素贝叶斯是一种典型的生成模型;与之相对的是判别模型,那我们继续来阐述一下判别模型分类的主要思想。,以简化问题或获得更有效的特征,比如可以对特征进行降维,或者通过特征交叉等方式构造新的特征,对于生成模型原始数据再处理就很难识别概率分布函数。,常见的判别规则分为两类:确定性的判别规则,统计性(又称概率性)的判别规则。相比于生成模型,判别模型。判断一个模型是生成模型还是判别模型的唯一标准就是该模型学习的是联合概率分布还是条件概率分布,原创 2024-04-29 20:52:08 · 752 阅读 · 0 评论 -
【机器学习】逻辑化搭建机器学习框架
在数据分析建模的时候时常看到机器学习、监督学习、深度学习、半监督学习等等(超级多学习),所以这写“学习”之间到底有什么关系呢?说这些“学习”究竟是算法还是模型呢?到底研究的是哪些问题呢?这篇文章不讲原理,先系统的搭建小编自己的学习框架及思路,并且来讲讲这些“学习”的区别及基础知识框架。原创 2024-04-07 11:26:44 · 694 阅读 · 1 评论