- 博客(11)
- 收藏
- 关注
RSS订阅原创 【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