机器学习
文章平均质量分 89
thinker_s
逐渐只剩离线工具使用,
展开
-
机器学习期末总结
机器学习三要素:数据,模型,策略;计算机利用已有的数 据(经验),得出了某种模型,并利用此模型预测未来的一种方法。分类监督学习指从标注数据中学习预测模型的机器学习问题。标注数据表示输入输出的对应关系,预测模型对给定的输入产生相应的输出。监督学习的本质是学习输入到输出的映射的统计规律。无监督学习指从无标注数据中学习预测模型的机器学习问题。无标注数据是自然得到的数据,预测模型表示数据的类别,转换或概率。无监督学习的本质是学习数据中的统计规律或潜在结构。聚类,降维,关联规则,推荐系统。强化学习原创 2022-01-04 21:34:25 · 1155 阅读 · 0 评论 -
支持向量机代码实践
文章目录支持向量机代码实践数据集算法类SMO算法训练及测试支持向量机代码实践理论部分:(72条消息) 支持向量机详细解释_better_than的博客-CSDN博客代码:https://github.com/vistor985/-.git数据集标题:平衡秤重量和距离数据库相关信息:这个数据集是用来建立心理学模型的实验结果。每个例子都被归类为具有天平向右倾斜,向左倾斜,还是向左倾斜平衡。这些属性是左权重距离,合适的重量,合适的距离。的正确的查找类的方法是较大的(left-distance * l原创 2021-12-27 13:04:37 · 773 阅读 · 0 评论 -
支持向量机详细解释
文章目录支持向量机简介线性可分支持向量机函数间隔与几何间隔函数间隔几何间隔间隔最大化最大间隔分离超平面支持向量和间隔边界拉格朗日对偶问题软间隔松弛变量软间隔对偶问题软间隔支持向量核技巧核函数非线性支持向量分类机SMO算法(序列最小优化算法)基本思路:修剪最优化问题解证明参考支持向量机简介支持向量机是一种二类分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器,其学习策略就是间隔最大化,支持向量机学习方法包含构建由简至繁的模型:线性可分支持向量机,线性支持向量机以及非线性支持向量机。当训练数据原创 2021-12-27 09:56:36 · 1046 阅读 · 0 评论 -
拉格朗日对偶性
文章目录拉格朗日对偶问题凸函数凸集仿射集半空间凸,凹函数对偶问题续slater条件KKT条件拉格朗日对偶问题来源:[“拉格朗日对偶问题”如何直观理解?“KKT条件” “Slater条件” “凸优化”打包理解_哔哩哔哩_bilibili]:梯度方向共线相加减才有可能等于0L(x,λ)=f(x)+∑λigi(x)L(\boldsymbol{x}, \boldsymbol{\lambda})=f(\boldsymbol{x})+\sum \lambda_{i} g_{i}(\boldsymbol{x}原创 2021-12-27 09:46:09 · 566 阅读 · 0 评论