![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吃瓜教程
文章平均质量分 67
笨码人
这个作者很懒,什么都没留下…
展开
-
吃瓜教程(4)神经网络
第四章 神经网络1. 神经元模型神经网络:由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实事件物体所做出的交互反应。神经网络中最基础的成分是神经元模型(neuron)。下图是“M-P神经元模型”。基本原理:神经元接收到来自n个其他神经元传递过来的输入信号,这些输入信号通过带权重的连接进行传递,神经元接收到的总输入值将于神经元的阈值进行比较,然后通过“激活函数”处理最后输出。![[U6%T[%$F%K9_99)~28Y13.png]]激活函数激活函数常见的有:原创 2022-03-28 00:34:58 · 1326 阅读 · 0 评论 -
吃瓜教程(3)第四章 决策树
第四章 决策树4.1 基本概念及流程(因时间关系,之后补完笔记)个人总结:决策树,通过机器学习识别出 特征判定点,作为每个属性的“测试”,使得依据每个属性测试问题,可以指向最终的预测结果。一颗决策树包括一个根节点,若干内部节点,叶子节点,每个非叶子节点对应一个属性测试,比如颜色是否是绿色。从根节点到每个叶子节点的路径对应一个判定测试序列。决策树学习的目的,是产生一颗泛化能力强的,即处理未见示例能力强的决策树,基本策略是“分治”(devide-and-conquer)决策树学习算法4.2原创 2022-03-25 00:16:09 · 663 阅读 · 0 评论 -
机器学习吃瓜教程(1)绪论及第二章笔记
机器学习吃瓜教程(1)绪论及第二章笔记绪论1.1 基本概念机器学习:从提供的经验数据上通过“学习算法”得到模型常用术语:数据集:示例(样本)、属性(特征)、属性值、属性空间(样本空间、输入空间)、示例也叫特征向量数据集的属性个数称为维数,学习过程:训练数据、训练样本 组成 训练集、假设、真相(truth)、学习器、标记空间学习任务分为 监督学习(分类(离散)、回归(连续值))和无监督学习(代表有聚类)。分类包含 二分类,多分类。二分类:归纳和演绎是科学推理的两大基本手段:原创 2022-03-16 00:49:07 · 125 阅读 · 0 评论