机器学习
机器学习的一些算法讲解
Robert_Gordon
怕什么真理无穷,进一寸有一寸的欢喜!
展开
-
机器学习初探之logistic回归
正文 在前面我们知道,感知机对数据进行分类是生成一个超平面(在二维世界中是一条直线),这个超平面可以将图中的两类点区分开。如下图所示: 但是感知机存在一个很重要的问题,那就是它是一个硬分类,我们只用sign(w*x+b)输出的+1和-1来判断点的类别。如下图所示:这么简单的判别方式真的会很有效吗? 虽然我们已经程序测试过正确率很高,但总是让人有点担心是否在很多情况下都能很好地工...原创 2020-03-11 14:44:30 · 511 阅读 · 0 评论 -
机器学习初探之朴素贝叶斯优化
一、前言 在上篇文章中,讲解了朴素贝叶斯的基础知识。本篇文章将在此基础上进行扩展:二、拉普拉斯平滑 上篇文章提到过,算法存在一定的问题,需要进行改进。那么需要改进的地方在哪里呢?利用贝叶斯分类器对文档进行分类时,要计算多个概率的乘积以获得文档属于某个类别的概率,即计算p(w0|1)p(w1|1)p(w2|1)。如果其中有一个概率值为0,那么最后的成绩也为0。我们拿出上一篇文章的截图。...原创 2020-03-10 11:11:25 · 1615 阅读 · 0 评论 -
机器学习初探之朴素贝叶斯分类
一、 前言 朴素贝叶斯算法是有监督的学习算法,解决的是分类问题,如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立(条件特征独立)性和连续变量的正态性假设为前提,就会导致算法精度在某种程度上受影响。在讲解朴素贝叶之前,我们首先推导一下贝叶斯公式。二、贝叶斯公式推...原创 2020-03-09 23:49:16 · 272 阅读 · 0 评论 -
机器学习初探之感知机
监督学习 我么们知道机器学习就是让机器跟人类一样去学习东西。我们人类是怎样去学习呢?简单的说,就是有老师传授我们知识,带着我们学习(比如说带领我们认识世界上的各种动物,如、熊猫、老虎、猫咪和小狗)。然后呢,通过不断的学习和总结,我们形成了自己的知识架构(即对这些动物能够进行很好的判别),当我们去动物园参观动物时能够知道这些动物的名字。 如下图所示: 其实机器学习和人类的学习方式一样。只...原创 2020-03-08 12:14:49 · 488 阅读 · 0 评论 -
机器学习处探
总结研一上学期机器学习的知识。参考的书目为《统计学习方法》《机器学习》《机器学习实战》(老师讲的实在好烂)。 机器学习分为监督学习、半监督学习、非监督学习和强化学习这四种。如图所示:1、监督学习 监督学习是利用已标记的有限训练数据集通过某种学习策略/方法建立一个模型,实现对新数据/实例的标记(分类)/映射。监督学习要求训练样本的分类标签已知,分类标签的精确度越高,样本越具有代表性,...原创 2020-03-06 22:04:41 · 401 阅读 · 0 评论