- 博客(11)
- 收藏
- 关注
原创 【Python学习】Python:解释器、编辑器和库管理工具
常用的Python编辑器有:Python解释器自带的IDLE、基于iPython的Jupyter Notebook,还有如PyCharm、Spyder、WingIDE等主要针对Python代码编辑的编辑器,此外如Sublime Text、VSCode、Vim等适合各种编程语言的编辑器亦可使用。包含解释器(同时兼容Python2和Python3)和编辑器(Jupyter Notebook、Spyder等),并已经集成了众多的Python的第三方库(NumPy、pandas),无须进一步手动pip安装。
2024-07-10 23:41:13 490
原创 【机器学习】支持向量机
高维空间下的对偶问题求解中内积计算困难,由此,想找到一个函数,使特征空间内积等于原始样本空间中通过该函数计算的结果,该函数即为核函数。高维空间往往不定,核函数亦不能确定(核函数选择成为支持向量机的最大变数),因此存在常用核函数(线性组合亦为如此)。以二维空间为例,要区分正、负两类样本点,需找到能够合理切分的线,线的一侧为正、另一侧为负,并且该划分方式应具备最佳鲁棒性(鲁棒,robust)。经验风险有利于防止过拟合!但为了分类精度,软间隔不能过度,衡量标准(优化目标)应引入惩罚项(损失函数l、正则化概念)。
2024-07-08 17:26:49 403
原创 【机器学习】集成学习
初始训练集 → 基学习器 → 当前错误率 → 更新样本分布D、个体学习器权值α → ...(T轮循环) → H(x):h(x)加权。(好而不同:个体学习器的 准确性 + 多样性,综合考虑)误差-分歧分解:个体学习器准确性越高、多样性越大,则集成越好(用于回归学习,分类问题待定)“好而不同”:样本扰动 + 属性扰动(选择最优属性时不从全集中选取,而从随机子集中选取)(一组个体学习器 + 结合策略)“好而不同”:串行生成并优化个体学习器,最后加权集成。
2024-07-08 13:05:08 299
原创 【机器学习】贝叶斯分类器
贝叶斯决策论(Bayesian decision theory) 是概率框架下实施决策的基本方法(从概率的角度描述机器学习)。亦称信念网(Belief Network),借助有向无环图(DAG)来刻画属性之间的依赖关系,并使用条件概率表(CPT)描述属性的联合概率分布。针对不完整样本(隐变量Z)的模型参数估计问题,不断迭代,直至收敛(类似于梯度下降法,实为坐标下降法,非梯度优化算法)
2024-07-08 13:02:12 433
原创 【等离子体】麦克斯韦速度/速率分布函数
1、基础知识——概率密度/分布函数的理解。麦克斯韦速度/速率分布函数。麦克斯韦速度/速率分布函数。2、麦克斯韦速度分布推导。3、麦克斯韦速率分布推导。4、麦克斯韦速率分布的引申。
2024-07-06 00:25:21 733 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人