温故而知新

一、DataFrame初始化1.1 通过字典初始化字典的键对应列名，键的值对应列的值。每个键应的值应该是一个list，如果键对应的值只是一个值而不是一个list，就这个列的所有值都是这个键对应的值。注意所有list的长度应该一样，不能一个list都没有。d={'a':[1,2,3],'b':[3,3,2],'m':9}DataFrame(d)Out[55]: a b m0 1...

摘要：关键字：共轭先验，贝叶斯估计的增量学习，极大似然估计，最大后验估计1.最大似然估计 1.推导过程    考虑有N个样本X，每个样本都是m维的，所以这是一个m类的问题。第i类服从分布，这里的i=1,2,...,m。假设各个样本相互独立，并且各类的参数不相互影响，每个类都服从高斯分布。所以每类的形式已知，只是参数（均值和方差）未知。假设对某一类，联合概率密度函数为，seta代表与...

daixie

关键字：总结：SVM是一个分类问题，是监督式学习（详见前面的微博：机器学习算法总结）。例子：from吴恩达的机器学习视频，肿瘤大小与是否患病的例子...

机器学习算法总结1.监督式学习    数据被打上标记，不断训练数据的过程。获取由自变量到因变量的模型，不断对这个模型训练，直到该模型可以较为准确的描述自变量到因变量的变化情况。    常见算法：回归模型，决策树，随机森林，K邻近算法，逻辑回归等。    例子：垃圾邮件分类，每个邮件都被标识是否为垃圾邮件。2.无监督式学习    数据没有标记，无监督式学习在学习时并不知道其分类结果是否正确，亦不知道...

代码来源：http://f.dataguru.cn/thread-878564-1-1.html（土匪加步枪）侵删因为最近在做GPR和Bayesian optimization，需要调用python相关库，于是上网找了网友的代码参考，感谢蓝色部分为我的查阅资料内容，是对GPR相关方法的解读，可以直接当成注释看# -*- coding: utf-8 -*-#高斯过程回归，首先要判断，所求的是否满足正...

来源： http://blog.163.com/jia_huiqiang/blog/static/27421002120178734639912/ 关键字：RBF 超参数调优在支持向量机(以下简称SVM)的核函数中，高斯核(以下简称RBF)是最常用的，从理论上讲， RBF一定不比线性核函数差，但是在实际应用中，却面临着几个重要的超参数的调优问题。如果调的不好，可能比线性核函数还要差。所以我们实际应...

关键字：提取函数aquisition function，熵，响应曲面简介：所谓优化，实际上就是一个求极值的过程，数据科学的很多时候就是求极值的问题。那么怎么求极值呢？很显然，很容易想到求导数，这是一个好方法，但是求导即基于梯度的优化的条件是函数形式已知才能求出导数，并且函数要是凸函数才可以。然而实际上很多时候是不满足这两个条件的，所以不能用梯度优化，贝叶斯优化应运而生了。    贝叶斯优化...

关键字：核函数，RBF超参数调优对这个很熟悉了，简单写一下本人用matlab实现了一下:https://download.csdn.net/download/qq_40597317/10646888可以参考论文阅读。一、GP是干什么的已知n个点的(x,y)，想知道在任意一个新的点Xn+1,对应的Yn+1是怎么样的。可以用来进行贝叶斯优化。二、基本思想因为高斯分布在...