- 博客(4)
- 收藏
- 关注
RSS订阅原创 机器学习总结之正则化
版权声明：本文系博主原创，转载请标明出处之前学习总是搞不懂正则化到底什么玩意儿，就知道它的公式，它能降低过拟合，但是，它到底为什么能降低过拟合呢，看了李航老师的《统计学习方法》有了些许体悟。以什么方式呈现呢，就以问答的方式吧，三省吾身，挺好的。1 为什么数据量过小会导致过拟合，为什么正则化能够降低过拟合？因为本质上来说我们选择模型的标注在于损失函数，我们往往将损失函数和我们真正使用的风险函数混淆了...
2018-04-20 19:01:12
161
原创 机器学习总结之卷积神经网络一些点
版权声明：本文为博主原创作品，转载请标明出处1 卷积层的使用：滤波器虽然是一个矩阵，但是深层角度来说是有很多种类的，比如整体边缘滤波器，纵向边缘滤波器，横向边缘滤波器，比如通过横向边缘滤波器就可以保留横向边缘信息。事实上，卷积神经网络中的卷积核参数都是通过网络学习得出的，除了可以学到类似于横向，纵向边缘滤波器，还可以学到任意角度的边缘滤波器。不仅如此，检测颜色，形状，纹理等众多基本模式的滤波器都可...
2018-04-20 18:48:21
558
原创 实战KNN算法
版权声明：本文属于博主原创作品，转载请标明出处。 最近几天再次重温了一下KNN算法，感觉这是比较简单的机器学习算法了，上一篇博客主要介绍了一些KNN的理论，下面就结合实例来帮助理解，这个例子来源于《机器学习实战》这本书，写出来的原因主要就是给自己梳理一下思路。实战主要分为数据处理，测试算法，使用算法。由于K-NN的特点，没有显式的训练过程，所以没有训练阶段。本文涉及的知识点有：从文本文件中解...
2018-04-20 18:41:47
234
原创 机器学习总结之KNN
版权声明：本文为博主原创文章，转载请标明出处。https://mp.csdn.net/postedit/800209691 k-NN的优点:精度高、对异常值不敏感、无数据输入假定。2 缺点：计算复杂度高，空间复杂度高；3 适用数据范围：数值型和标型；4 k临近法假定给定一个训练数据集，其中的实例类别已定，当有新的实例进来后，根据其k个最近邻的训练实例的类别，通过多数表决的方式进行预测。因此，k近邻...
2018-04-20 16:50:58
165
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人