![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 74
人工智能博士
王博Kings,985AI博士在读,CSDN博客专家,华为云专家,是《机器学习手推笔记》、《深度学习手推笔记》等作者;在人工智能、计算机视觉、无人驾驶等具有丰富的经验。
展开
-
收藏 | 可解释机器学习发展和常见方法!
可解释机器学习(Interpretable machine learning ,简称 IML)可以用来来发现知识,调试、证明模型及其预测,以及控制和改进模型。原创 2021-05-09 16:55:33 · 1823 阅读 · 0 评论 -
收藏 | 机器学习分类算法
分类问题分类是一种基于一个或多个自变量确定因变量所属类别的技术。分类用于预测离散响应逻辑回归逻辑回归类似于线性回归,适用于因变量不是一个数值字的情况 (例如,一个“是/否”的响应)。它虽然被称为回归,但却是基于根据回归的分类,将因变量分为两类。如上所述,逻辑回归用于预测二分类的输出。例如,如果信用卡公司构建一个模型来决定是否通过向客户的发行信用卡申请,它将预测客户的信用卡是否会“违约”。首先对变量之间的关系进行线性回归以构建模型,分类的阈值假设为0.5。然后.原创 2021-04-12 16:24:47 · 2449 阅读 · 1 评论 -
总结 | 机器学习的基础图表!
在公众号【计算机视觉联盟】后台回复【9076】获取我的AI学习笔记;我的微信:Kingsplusa; --by王博Kings,985AI博士,CSDN博客专家,华为云专家本篇文章为学习笔记记录,参考Alan Morrison,机器之心一、机器学习概览1. 什么是机器学习?机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。2. 机器学习和人工智能的关系机...原创 2021-01-22 11:29:11 · 3029 阅读 · 2 评论 -
Batch Normalization批标准化是什么? | BN有啥用 | Batch Normalization是什么
今天不讲原理了,我感觉写一大堆,让大家也理解不透简要说一下:不仅仅极大提升了训练速度,收敛过程大大加快; 还能增加分类效果,一种解释是这是类似于Dropout的一种防止过拟合的正则化表达方式,所以不用Dropout也能达到相当的效果; 另外调参过程也简单多了,对于初始化要求没那么高,而且可以使用大的学习率等。在网上还找到一些比较不错的图,可以启发数据做预处理可以用 normalization 归一化 ,或者 standardization 标准化,用来将数据的不同 feature 转.原创 2020-10-30 17:47:52 · 2763 阅读 · 3 评论 -
【《机器学习》周志华学习笔记2.2.3】~模型评估与选择-自助法
原创 2019-04-13 18:41:05 · 1940 阅读 · 1 评论 -
【《机器学习》周志华学习笔记2.3.2】~模型评估与选择-性能度量-查准率、查全率、F1
原创 2019-04-28 12:17:10 · 1679 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.2.4】~模型评估与选择-调参与最终模型
原创 2019-04-19 20:32:26 · 1849 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.3.3】~模型评估与选择-ROC曲线与AUC值(性能分类指标)
原创 2019-05-04 19:56:46 · 2137 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.3.1】~模型评估与选择-性能度量-错误率与精度
原创 2019-04-25 11:46:47 · 2234 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.3.4】~模型评估与选择-代价敏感错误率与代价曲线
笔记扫描版原创 2019-05-20 22:15:17 · 4314 阅读 · 5 评论 -
《百面机器学习》大纲思维导图
三人行必有我师转载 2019-07-10 11:13:04 · 2040 阅读 · 2 评论 -
集成学习(ensemble learning)原理-如何理解集成学习?
集成学习(ensemble learning)可以说是现在非常火爆的机器学习方法了。它本身不是一个单独的机器学习算法,而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。集成学习可以用于分类问题集成,回归问题集成,特征选取集成,异常点检测集成等等,可以说所有的机器学习领域都可以看到集成学习的身影。本文就对集成学习的原理做一个总结。1. 集成学习概述 从下图,...转载 2019-07-05 22:03:49 · 5458 阅读 · 1 评论 -
【《机器学习》周志华学习笔记2.2.1】~模型评估与选择-留出法
原创 2019-04-09 20:30:11 · 1924 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.4】~比较检验
机器学习中的性能比较为什么 比较复杂?首先,我们希望比较的是泛化 性能,然而通过实验评估获得的只是测试集上的性能,两者对比结果可能未必相同 测试集上的性能与测试集本身选择有很大的关系,不同大小的测试集会得到不同的结果,即便是相同大小的测试集,若测试样例不同,测试结果也可能不同 很多机器学习算法本身有一定的随机性,即便用相同的参数设置,在同一个测试集多次运行,其 结果也可能不同。统计假设检...原创 2019-04-09 15:59:17 · 3357 阅读 · 0 评论 -
【《机器学习》周志华学习笔记1.3】~机器学习中“假设空间”到底是什么?“归纳学习”又是什么?“布尔概念”呢?
目录归纳和演绎归纳学习分为广义和狭义:概念学习、概念形成最基本的是布尔概念学习:解答疑问归纳和演绎“归纳”和“演绎”是科学推理的两大基本手段“归纳”是从特殊到一般,是一个“泛化”过程,是总结经验,比如猫有哪些特点?“演绎” 就是从一般到特殊,从基本情况推出具体情况,是“特化”过程从“样本”中学习过程 称为“归纳学习”归纳学习分为广义和狭义:广义...原创 2018-12-14 15:56:58 · 4365 阅读 · 0 评论 -
【《机器学习》周志华学习笔记1.5】~机器学习的“发展历程”
机器学习是人工智能AI研究发展到一定阶段的必然产物!二十世纪五十年代~七十年代初,“推理期”:机器的只能体现在具有逻辑推理能力。二十世纪七十年代中期开始,AI进入“知识期”,希望机器能够自己学习!其实,图灵1950年就曾提到过机器学习的可能五十年代中后期,基于神经网络的“连接主义”学习开始,比如:感知机六七十年代,基于逻辑表示的“ ”符号主义学习发展, 比如:归纳学习系统、概...原创 2018-12-19 21:24:41 · 2699 阅读 · 0 评论 -
【《机器学习》周志华学习笔记1.4】~机器学习中的“归纳偏好”是什么?
目录还是举例子:为什么会出现这样情况?归纳偏好还是举例子:三种属性:{白色、黄色、黑色}+{眼睛颜色蓝色、眼睛颜色不一样}+{有铃铛、没铃铛} 判断是不是“猫”通过机器学习,现在给了一幅“白色”“眼睛蓝色”“有铃铛”的动物,让计算机判断是不是猫不同机器学习算法,在面对上述情况时,可能得到不同的结果。一部分可能判断这只动物是猫,一部分可能判断不是猫为什么会...原创 2018-12-19 09:48:57 · 4637 阅读 · 0 评论 -
【深度学习基础-09】神经网络-机器学习深度学习中~Sigmoid函数详解
目录Sigmoid函数常常被用作神经网络中激活函数 双曲函数tanh(x)Logistic函数 拓展对比Sigmoid函数常常被用作神经网络中激活函数 函数的基本性质:定义域:(−∞,+∞)(−∞,+∞) 值域:(−1,1)(−1,1) 函数在定义域内为连续和光滑函数 处处可导,导数为:f′(x)=f(x)(1−f(x))比较常用的有双曲函数tanh(x...原创 2019-01-10 16:23:08 · 2914 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.2.2】~模型评估与选择-交叉验证法
交叉验证法学习笔记原创 2019-04-11 12:06:55 · 1844 阅读 · 0 评论 -
【《机器学习》周志华学习笔记2.1】~机器学习中的模型评估与选择-经验误差与过拟合
原创 2019-04-08 16:08:33 · 1708 阅读 · 0 评论 -
【《机器学习》周志华学习笔记1.1-1.2】~什么是“机器学习”?机器学习有哪些基本概念?
由现实世界引出“机器学习”看到乌云密布,自己推测出要下雨通过一个苹果的表面和大小,来判断这个苹果是否好吃我们通过经验来进行判断,这是因为我们积累了许多有用的经验,通过对有用经验的分析,就能对遇到的情况做出相应的对策。计算机中,经验就是“数据”,判断模型就是“算法”,机器学习就是研究“学习算法”。举例:当计算机数据库有上千万只猫的照片,并对其特点进行建模分析,你给机器一张照片,它...原创 2018-12-13 21:58:42 · 1867 阅读 · 0 评论