机器学习
文章平均质量分 69
爱听雨声的北方汉
一个喜欢旅行的算法爱好者
展开
-
三种人工智能分类
强人工智能是指在各方面都能和人类比肩的人工智能,人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多,我们现在还做不到。”超人工智能可以是各方面都比人类强一点,也可以是各方面都比人类强万亿倍的。比如有能战胜象棋世界冠军的人工智能,但是它只会下象棋,你要问它怎样更好地在硬盘上储存数据,它就不知道怎么回答你了。其实弱人工智能无处不在,人工智能革命是从弱人工智能,通过强人工智能,最终到达超人工智能的旅途。人工智能的概念很宽,所以人工智能也分很多种,我们按照人工智能的实力将其分成三大类。原创 2023-08-03 13:28:48 · 441 阅读 · 0 评论 -
随机森林方法Random Forest
随机森林是一种由多个决策树构成的、且不同决策树之间没有关联的集成算法。随机森林是常用的机器学习算法,既可以用于分类问题,也可用于回归问题。1.决策树首先,决策树是个超简单结构,我们每天都在头脑中使用它。它代表了我们如何做出决策的表现形式之一,类似if-this-then-that。决策树有多种算法,最常用的是ID3(ID代表“迭代二分法”)和CART(CART代表“分类和回归树”)。这些算法中的每一个都使用不同的度量来决定何时分割。ID3树使用信息增益 ,而CART树使用基尼指数 。ID3所采用原创 2022-04-16 17:53:37 · 4276 阅读 · 0 评论 -
有监督学习(supervised learning))与无监督学习(unsupervised learning)之间有何区别?
机器学习中存在着三类模型,有监督学习、无监督学习和半监督学习,他们有何区别呢?其实有无标签是区分监督学习与无监督学习的关键,这里的有无标签,指的是有没有事前确定标签。1.有监督学习有监督机器学习又被称为“有老师的学习”,所谓的老师就是标签。有监督的过程为先通过已知的训练样本(如已知输入和对应的输出)来训练,从而得到一个最优模型,再将这个模型应用在新的数据上,映射为输出结果。借此,模型就有了预知能力。监督学习的关键是训练数据同时拥有输入变量(x)和输出变量(y);使用一个算法把输入到输出的映射原创 2022-04-16 17:27:16 · 4533 阅读 · 0 评论 -
优化问题---最优性条件
最优化问题转载 2022-03-04 12:26:52 · 3729 阅读 · 0 评论 -
优化问题---线性求解、凸规划、优化问题
关于最优化问题原创 2022-03-03 22:34:42 · 3195 阅读 · 0 评论 -
人工神经网络算法
一、人工神经网络算法概念1、神经元正如我们日常生活中,遇到美女眼睛移不开、闻到香味流口水等生理现象等,其实都是神经所支配进行的,这就涉及到神经细胞。神经细胞(nerve cell)又称神经元或神经原,是神经系统的结构与功能单位之一。它能感知环境的变化,再将信息传递给其他神经细胞,并发出指令以做出反应。据估计,人类中枢神经系统中约存在1000亿个神经元,仅大脑皮层中就约有140亿。在眼的视网膜上有感光细胞能接受光的刺激,在鼻粘膜上有嗅觉细胞能接受气味的变化,在味蕾中有能接受化学物质刺激的味觉细胞等,这原创 2021-03-04 22:24:24 · 7344 阅读 · 1 评论 -
机器学习技术(5)---- 最大期望算法Expectation-Maximum
一、模型证明基础1.1 Jensen不等式:如果函数f为凸函数,那么存在下列公式:f(θx+(1−θ)y)≤θf(x)+(1−θ)f(y)f(θx+(1−θ)y)≤θf(x)+(1−θ)f(y)若θ1,⋯,θk≥0,θ1+⋯+θk=1θ1,⋯,θk≥0,θ1+⋯+θk=1;则:f(θ1x1+⋯+θkxk)≤θ1f(x1)+⋯+θkf(xk)f(θ1x1+⋯+θkxk)≤θ1f(x1)+⋯+θkf(xk) f(E(x))≤E(f(x))f(E(x))≤E(f(x)) 当且仅当p(x=E.转载 2021-09-13 20:07:32 · 504 阅读 · 0 评论 -
机器学习技术(4)---决策树算法Decesion Tree
决策树顾名思义,是一种类似于树形结构的决策方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。属于有监督的学习。决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得对各个子数据集有一个最好的分类的过程。决策树构造可以分三步进行:特征选择、决策树的生成、决策树的修剪。其既可以用于分类问题,也可以用于回归问题,主要有三个经典的算法,ID3算法,C4.5算法以及CART算法。其实三个算法原创 2021-09-13 16:03:57 · 231 阅读 · 0 评论 -
机器学习技术(3)--朴素贝叶斯算法
一、朴素贝叶斯算法朴素贝叶斯(Native Bayes)算法是基于贝叶斯定理和特征条件独立假设的分类算法。贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法。贝叶斯定理其实就是一个非常简单的公式,如下所示:那么,在应用于分类算法中,可以将上述的公式转换成下面的表达式,也就是说知道了某一个数据的特征,它属于某一类别的概率,首先得知道这个特征的概率,然后还需要知道在这一个类的概率和这一个类中的特征原创 2021-09-13 11:05:46 · 400 阅读 · 0 评论 -
机器学习技术(2)---K-Means聚类算法
聚类就是将一系列数据进行归类,属于无监督学习,所谓无监督学习是和有监督学习相对于的,像之前所学习的很多模型是知道自变量X和因变量Y的,着属于有监督学习,而有些时候并不知道因变量Y,这种就属于无监督的学习,那么聚类首先就是由于不知道他们归于哪一个类,而是按照数据之间的相似性进行聚类,使得同一类中的个体差异越小,不同类中的个体相似性最小,那么k-means聚类算法就是这一类算法的典型算法。在聚类问题中,给我们的训练样本是,每个,没有因变量y。K-means算法是将样本聚类成...原创 2021-09-13 10:18:51 · 272 阅读 · 0 评论 -
机器学习技术(1)----Apriori 关联算法
一句话,Apriori关联算法就是寻找事物之间的关联关系,典型案例就是推荐系统中的推荐算法,将你热爱的东西与你所搜索的内容关联起来,一股脑的推送给你,另一个实际案例就是沃尔玛超市将尿布和啤酒放在一起的货物摆放策略也是用的是关联规则。那么Apriori关联算法是什么?一、Apriori关联算法概念1.1 思想来源A priori在拉丁语中指"来自以前"。当定义问题时,通常会使用先验知识或者假设,这被称作"一个先验"(a priori)。Apriori算法的名字正是基于这样的事实:算法使用频繁项原创 2021-09-13 09:38:05 · 1209 阅读 · 0 评论