机器学习
文章平均质量分 92
张张张与 π
这个作者很懒,什么都没留下…
展开
-
Logistic回归——梯度提升算法
import numpy as npimport matplotlib.pyplot as plt### Logistic 回归梯度上升优化算法"""函数说明:加载数据输入参数: 无返回值: dataMat--数据列表 labelMat--标签列表&amp原创 2018-11-09 10:42:56 · 1679 阅读 · 0 评论 -
推荐算法之协同过滤算法
协调过滤算法(CF)上一篇文章中提到过,推荐系统中常用到的算法包括用户偏好算法、协同过滤算法(item_base,user_base)、关联规则算法、聚类算法、内容相似性算法(content_base)。关联规则中的 Apriori 算法和 FP-growth 算法在之前的文章已经详细介绍过,在这篇文章中,将介绍协同过滤算法(基于用户的协同过滤算法、基于物品的协同过滤算法)。一、算法核心协同...原创 2018-12-27 11:43:34 · 2876 阅读 · 0 评论 -
机器学习之线性回归与逻辑回归
机器学习之线性回归最近在学习吴恩达老师讲解的机器学习课程,从最基础最浅显易懂的地方开始,完善之前学习了解的各种机器学习算法。一、常见的两种学习算法监督学习(Supervised Learning)(1)定义:给学习算法一个数据集,这个数据集由样本和相应的“正确答案”(即标签)组成,然后运用学习算法,预测算出更多正确答案。(2)典例:支持向量机无监督学习(Unsupervised...原创 2018-12-12 16:33:46 · 224 阅读 · 2 评论 -
改进的迭代尺度算法(IIS)
改进的迭代尺度算法(Improved Iterative Scaling ,IIS)改进的迭代尺度算法是一种最大熵模型学习的最优化方法,其核心思想是:假设最大熵模型当前的参数向量是www,希望找到一个新的参数向量w+δw+\deltaw+δ,使得当前模型的对数似然函数值Ψ\PsiΨ增加。重复这一过程,直至找到对数似然函数的最大值。已知最大熵模型为:(1)Pw(y∣x)=1Zw(x)exp(∑...原创 2018-11-16 11:56:41 · 1554 阅读 · 1 评论 -
最大熵模型
最大熵理论及应用1. 信息论基本知识信息熵在物理界,熵是描述事物无序性的参数,熵越大则越混乱。类似的,在信息论中,熵表示随机变量的不确定程度,给定随机变量X,其取值为x1,x2,…,xm,则信息熵为:信息熵和熵的联系:熵是描述客观事物无序性的参数。香农认为信息是人们对事物了解的不确定性的消除或减少,它把不确定的程度称为信息熵。熵越大,事件越不确定。熵等于0,事件是确定的。例如:抛硬币...原创 2018-11-16 11:55:44 · 157 阅读 · 0 评论 -
关联分析——FP-growth算法
FP-growth算法1. 介绍当我们在百度搜索里输入一个单词或单词一部分的时候,搜索引擎会自动补全查询词项,比如:输入“机器”,百度下拉词项中就会出现“机器人编程”,“机器学习”等词项。FP-growth算法是为了解决Apriori算法每次增加频繁项集得大小都要遍历整个数据库得缺点,特别是当数据集很大时,该算法执行速度要快于Apriori算法两个数量级。FP-growth算法得任务是:将...原创 2018-11-08 16:21:23 · 1015 阅读 · 0 评论 -
关联分析——Apriori算法
消费者在商店啊购买物品时,通过查看哪些商品经常一起购买,可以帮助商店了解消费者的购买行为。这种从数据海洋中抽取的知识可以用于商品定价,市场促销,存货管理等环节。从大规模数据集中寻找物品间的隐含关系被称作关联分析或者关联规则学习。1 关联分析关联分析是在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式:频繁项集,关联规则。频繁项集是经常出现在一块儿的物品的集合,关联规则...原创 2018-11-08 16:18:36 · 1461 阅读 · 0 评论 -
机器学习模型结构图
原创 2018-11-09 10:41:57 · 2690 阅读 · 0 评论 -
推荐系统
推荐系统一、推荐系统基础介绍1、定义研究用户在平台上的所有行为,对用户进行人物画像,以及研究平台上的内容/产品,同时把用户和产品匹配起来的过程。2、作用通过梳理和优化用户关系网络,实现加速高价值用户关系构建、优质内容传播和商业化营收等目标。3、应用范围推荐系统在各个领域有广泛的应用,比如电商网站、视频网站、视频直播平台、新闻客户端、文字网站、音乐网站等。4、个人化推荐的准则推荐的...原创 2018-12-22 19:25:50 · 480 阅读 · 0 评论