![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
georgeli_007
来自山东.混在北京,QQ:280751474,欢迎交流学习.
展开
-
k-近邻算法实践学习
一、k-近邻算法(k-Nearest Neighbor,KNN)概述1、简言之,k-近邻算法采用测量不同特征值之间的距离方法进行分类。2、工作原理 存在一个样本数据集合,也称为训练样本集,且样本集中每个数据都存在标签,也就是众所周知样本集中每一数据与所属分类的对应关系。输入没有标签的新数据以后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数原创 2017-12-04 22:54:26 · 650 阅读 · 0 评论 -
机器学习实践之支持向量机学习
本文根据最近学习机器学习书籍网络文章的情况,特将一些学习思路做了归纳整理,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 第一部分第3点 寻找最大间隔,部分图片手写,图片没有经过很好的处理,如有不美观之处,请谅解。一 概述 1、概念理解 支持向量机(SupportVectorMachines,SVM),由于理解支持向量机需要一定的相关理论基础,这些理论基...原创 2017-12-21 18:55:41 · 359 阅读 · 0 评论 -
机器学习实践之树回归学习总结
本文根据最近学习机器学习书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 一、概述1、认识CART算法 本文介绍一种新的叫做CART(Classification and Regression Trees, 分类回归树)的树构建算法,这种算法既可以用于分类也可以用做回归。CART算法是原创 2018-01-09 14:09:23 · 978 阅读 · 2 评论 -
机器学习实践之集成方法(随机森林和AdaBoost元算法提高分类性能)
本文根据最近学习机器学习书籍网络文章的情况,特将一些学习思路做了归纳整理,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 (未添加文章标签,特此补上,2018.1.14记。)一、概述1、概念理解 集成学习方法是指组合多个模型,以获得更好的效果,使集成的模型具有更强的泛化能力。对于多个模型,如何组合这些模型,主要有以下几种不同的方法原创 2018-01-01 10:00:27 · 2215 阅读 · 0 评论 -
机器学习实践之使用Apriori算法进行关联分析
本文根据最近学习机器学习书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。一、概述1、背景故事 日常生活中,当我们去商店去购物的时候,实际上都包含了机器学习的当下和未来的场景应用,这包括物品的展示方式、购物之后的优惠券的提供、用户忠诚度计划等等。这些其实都离不开对大量数据的分析。商店希望从顾客身上获得更多的利润,所以必原创 2018-01-24 09:21:05 · 2139 阅读 · 0 评论 -
机器学习之利用K-均值聚类算法对未标注数据分组模型探讨
本文根据最近学习机器学习书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。一、概述1、背景故事 在2000年和2004年美国总统大选中,候选人的得票非常接近。任一候选人得到的普选票数最大百分比为50.7%,最小百分比为47.9%。如果1%的候选人将手中的票投给另一个候选人,那么选举结果就会发生根本性的转折。实际上,在妥善原创 2018-01-14 10:28:38 · 910 阅读 · 0 评论 -
机器学习之Logistic回归
本文根据最近学习机器学习书籍 网络文章的情况,特将一些学习思路做了归纳整理,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 (今天发现未添加分类标签,特此补上,其他未变。2018.1.4记) 本文将开展最优化算法的学习和梳理。在日常生活中,我们遇到过很多最优化的问题,例如你打算明天从北京出发去青岛,如何在最短的时间里到达青岛?如何投入最少的工作量而获得最大的原创 2017-12-17 19:18:31 · 3085 阅读 · 1 评论 -
机器学习实践之预测数值型数据--回归
本文根据最近学习机器学习书籍网络文章的情况,特将一些学习情况做了归纳总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。一、概述1、相关概念 1.1 回归 “回归”一词的来历: 今天我们知道的 回归是由达尔文(Charles Darwin)的表弟Francis Galton发明的。Galton于1877年完成了第一次回归预测,目原创 2018-01-03 21:00:05 · 16836 阅读 · 2 评论 -
决策树实践学习
本文根据最近学习机器学习书籍 网络文章的情况,特将一些学习思路做了归纳整理,详情如下.如有不当之处,请各位大拿多多指点,在此谢过.一、决策树(decision tree)概述1、决策树概念 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,而每个叶节点存原创 2017-12-06 18:06:30 · 928 阅读 · 0 评论 -
基于概率论的分类方法:朴素贝叶斯算法实践学习
本文根据最近学习机器学习书籍 网络文章的情况,特将一些学习思路做了归纳整理,详情如下.如有不当之处,请各位大拿多多指点,在此谢过. 通过前两篇文章,我们对于k-近邻算法\決策树算法的分类问题有了有了解,通过这些分类器可以得到相应的決策,給出"该数据实例属于哪一类"這類問題的明確答案.但在深入研究過程中,我們會發現,分類器有時不可避免地產生錯誤的結果,這時就要求分類器給出一個最優原创 2017-12-12 13:03:46 · 2225 阅读 · 0 评论 -
机器视觉开源代码集合(转载)
来源:http://blog.csdn.net/flyingpig851334799/article/details/47449847。 一、特征提取Feature Extraction:SIFT [1] [Demo program][SIFT Library] [VLFeat] PCA-SIFT [2] [Project] Affine-SIFT [3] [Project] S...转载 2018-02-23 12:39:36 · 943 阅读 · 0 评论