![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 66
六月辉雪
这个作者很懒,什么都没留下…
展开
-
机器学习笔记之随机森林(Random Forests)
机器学习之随机森林Random Forests集成方法集成方法1.如果模型之间近似相互独立,那么多个模型联合的性能要优于单个模型的例如;假设一个分类器以55%概率给出正确结果(对于二分类应该是相当差了),如果拥有100个这样的分类器,那么正确概率可以上升到(82%),可以搜索累计二项式概率分布...原创 2020-11-07 17:17:13 · 3181 阅读 · 3 评论 -
机器学习笔记之Numpy与张量
Numpy, 张量,相关函数使用(逐步更新)张量查看Numpy张量轴张量形状与数据类型相关函数np.exp(z)np.insert()函数np. argmax()np.mean()张量张量是矩阵向任意维度的推广(张量的维度通常叫轴)仅含一个数字的张量叫标量(0D张量)查看Numpy张量轴# 0Dx = np.array(12)print(x)print(x.ndim)# 1Dx = np.array([12, 3, 6, 14, 7])print(x)print(x.ndim)原创 2020-10-31 11:20:32 · 3589 阅读 · 0 评论 -
机器学习笔记:监督与非监督学习
监督与非监督学习吴恩达解释:监督学习:其基本思想是数据集中的每个样 本都有相应的 “正确答案 ”。再根据这些样本作出预测 。无监督学习:没有任何标签或有相同的标签,把数据分为不同簇:例如:谷歌新闻,分析特定基因,鸡尾酒宴问题《Deep Learning with Python》解释:监督学习:最常见的一种机器学习类型。给定一组样本(通常由人工标注),它可以学会将输入数据映射到已知目标(也叫标注)二分类,多分类,标量回归都是监督学习无监督学习:在没有目标的情况下寻找输入数据的有趣变换,原创 2020-10-31 10:34:33 · 167 阅读 · 0 评论