机器学习
芋圆乌龙茶
这个作者很懒,什么都没留下…
展开
-
Coursera吴恩达机器学习(七)——Exercise7-k-means聚类算法
一、层次聚类聚合聚类算法输入:n个样本组成的样本聚合及样本之间的距离输出:对样本集合的一个层次化聚类(1)计算n个样本两两之间的欧氏距离{dij}\{d_{ij}\}{dij},记作矩阵D=[dij]m×nD=[d_{ij}]_{m\times n}D=[dij]m×n(2)构造n个类,每个类只包含一个样本。(3)合并类间距离最小的两个类,其中最短距离为类间距离,构建一个新类。(4)计算新类与当前各类的距离,若类的个数为1,终止计算,否则回到步骤(3)k-means聚类算法输入:n个原创 2020-09-16 15:40:33 · 455 阅读 · 0 评论 -
Coursera吴恩达机器学习(六)——Exercise6-支持向量机(SVM)
文章目录一、基本概念1.分离超平面2.函数间隔3.几何间隔4.几何间隔与函数间隔关系5.间隔最大化6.软间隔最大化7.高斯核函数二、线性SVM三、高斯核函数四.寻找最优参数1.手动搜索2.sklearn GridSearchCV (网格搜索)五、垃圾邮件检测1.SVM2.逻辑回归一、基本概念1.分离超平面wTx⃗+b=0w^T\vec{x}+b=0wTx+b=0(1)在超平面wTx⃗+b=0w^T\vec{x}+b=0wTx+b=0确定的情况下,∣wTx⃗+b∣|w^T\vec{x}+b|∣wTx+b原创 2020-09-01 15:39:51 · 331 阅读 · 0 评论 -
Coursera吴恩达机器学习(五)——Exercise5-偏差与方差
文章目录一.数据1.加载数据2.处理数据二.定义代价函数三.定义梯度四.拟合数据1.线性回归(1)拟合曲线(2)学习曲线2.多项式回归(1)代价函数误差与多项式次数(3)不同λ\lambdaλ的学习曲线λ=0\lambda=0λ=0λ=1\lambda=1λ=1λ=100\lambda=100λ=100(4)选择合适的λ\lambdaλ一.数据import numpy as npimport matplotlib.pyplot as pltfrom scipy.io import loadmati原创 2020-08-16 11:07:09 · 330 阅读 · 0 评论 -
Coursera吴恩达机器学习(四)——Exercise4-神经网络的反向传播算法
1.加载并处理数据import numpy as npimport matplotlib.pyplot as pltimport matplotlibfrom scipy.io import loadmatimport scipy.optimize as optfrom sklearn.metrics import classification_report def load_data(path,transpose=True): data=loadmat(path) X=dat原创 2020-08-12 10:52:55 · 281 阅读 · 0 评论 -
Coursera吴恩达机器学习(三)——Exercise3-多分类逻辑回归、前馈神经网络
文章目录一、多分类逻辑回归1.载入数据2.画图3.处理数据4.训练一维模型5.训练k维模型二、前馈神经网络1.载入数据和权重2.每层网络计算3.预测4.评估一、多分类逻辑回归import matplotlib.pyplot as pltimport matplotlibimport numpy as npimport scipy.optimize as optfrom scipy.io import loadmatfrom sklearn.metrics import classificati原创 2020-08-07 16:35:58 · 349 阅读 · 0 评论 -
Coursera吴恩达机器学习(二)——Exercise2-逻辑回归、正则化
一.逻辑回归import pandas as pdimport numpy as npimport matplotlib.pyplot as plt1.读取数据:path='H:\Coursera-ML-AndrewNg-Notes\code\ex2-logistic regression\ex2data1.txt'data=pd.read_csv(path,header=None,names=['Exam 1','Exam 2','Admitted'])data.head()部分数据截图:原创 2020-08-03 15:18:25 · 382 阅读 · 0 评论 -
Coursera吴恩达机器学习(一)——Exercise1-线性回归
1.单变量线性回归import numpy as npimport pandas as pdimport matplotlib.pyplot as pltpath='H:\Coursera-ML-AndrewNg-Notes\code\ex1-linear regression\ex1data1.txt'data=pd.read_csv(path,header=None,names=['Population', 'Profit'])data.insert(0,'ones',1)此时的部分数据:原创 2020-07-27 17:36:08 · 291 阅读 · 0 评论