取个名字真难啊啊
这个作者很懒,什么都没留下…
展开
-
决策树算法
决策树 决策树(Decision Tree)首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析,本质上是通过一系列规则对数据进行分类的过程 决策树是一种典型的分类方法。其中: 每个内部结点表示一个属性上的判断 每个分支代表一个判断结果的输出 每个叶结点代表一种分类结果。 CLS算法是早期提出的决策树学习算法,是很多决策树学习算法的基础框架。 依据其中选择分类属性的策略不同,可以得到不同的决策树算法。比较常用的决策树有ID3,C4.5和CART三种和实现,其中CART一般原创 2022-05-18 12:19:12 · 1943 阅读 · 0 评论 -
SVM支持向量机
一 SVM简单介绍 支持向量机(Support Vector Machine,SVM)是Corinna Cortes和Vapnik等于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。 在机器学习中,支持向量机是与相关的学习算法有关的监督学习模型,可以分析数据、识别模式,用于分类和回归分析。 二 函数间隔与几何间隔 对一个数据点进行分类,当超平面离数据点的“间隔”越大,分类的确信度(confidence)也越大。所以,为了使得分类原创 2022-04-27 00:25:41 · 216 阅读 · 0 评论 -
神经网络&深度学习——手写数字识别问题
我们将构建一个三层的神经网络来处理手写数字识别问题,之后我们将运用AdaGrad、RMSprop、Momentum、Nesterov Momentum和Adam优化算法来加速梯度下降的过程,首先我们先来实现一个简单的神经网络。 文章目录1. 导入所需的Python库2. 加载数据并可视化3. 全连接神经网络3.1 初始化网络参数3.2 定义神经网络的每一层ReLU层Affine层Softmax-with-Loss层3.3 搭积木3.4 进行训练3.5 梯度下降优化算法3.5.1AdaGrad3.5.2 RM原创 2022-04-16 12:13:13 · 1059 阅读 · 0 评论 -
机器学习——正则化代码
这次以Logistic回归作为基础,将再次复习Logistic回归,对Logistic回归将有更深的理解。通过对比未进行正则化的Logistic回归与正则化的Logistic回归在相同数据集上的表现来理解正则化缓解过拟合现象的作用。 首先,我们导入这次实验所需要使用的Python库,以及辅助函数 import numpy as np import matplotlib.pyplot as plt from utils import * 实际应用中容易出现过拟合,其原因则在于模型已经足够复杂,但是我们往往原创 2022-03-23 16:26:15 · 3258 阅读 · 0 评论 -
机器学习——逻辑回归代码
回归,是指假设一个模型,设定一些参数,计算合适的参数以拟合逼近现有数据。 Linear Regression:hθ(x)=θTx+θ0h_{\theta}(x)=\theta^{T} x+\theta_{0}hθ(x)=θTx+θ0 Logistic Regression:hθ(x)=g(θTx+θ0)=P(y=1∣x,θ)h_{\theta}(x)=g\left(\theta^{T} x+\theta_{0}\right)=P(y=1 \mid x, \theta)hθ(x)=g(θTx+θ0)=原创 2022-03-22 23:09:58 · 669 阅读 · 0 评论 -
机器学习——线性回归代码
某城市的电网系统需要升级,以应对日益增长的用电需求。电网系统需要考虑最高温度对城市的峰值用电量的影响。项目负责人需要预测明天城市的峰值用电量,他搜集了以往的数据。现在,负责人提供了他搜集到的数据,并请求你帮他训练出一个模型,这个模型能够很好地预测明天城市的峰值用电量。 准备 (jupyter notebook环境下运行) 先导入必要的python包 import numpy as np import matplotlib.pyplot as plt import time %matplotlib inlin原创 2022-03-15 21:34:20 · 1999 阅读 · 0 评论