![](https://img-blog.csdnimg.cn/efb29867a8914c539118f2adc968a744.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
机器学习相关理论知识以及实践实验
小白Rachel
如果现在的一切都还不是你想要的,那就努力吧!也只能努力了!
努力做一个坚持写作&鸡汤励志的程序媛!
领域:vue 若依 element UI
本人长期在线 欢迎有技术问题的伙伴留言私信哦!主页关注必回关
展开
-
机器学习 -- 总结 (概述 SVM 决策树 聚类算法 集成学习)
一、机器学习概述1. 什么是机器学习?机器学习是从人工智能中产生的一个重要学科分支,是实现智能化的关键。 经典定义:利用经验改善系统自身的性能。研究内容:在计算机上从数据中产生“模型”,用于对新的情况给出判断。2. 机器学习的流程3. 机器学习的目标使得学到的模型能很好的适用于“新样本”,而不仅仅是训练集合,我们称模型适用于新样本的能力为泛化(generalization)能力。(训练数据 + 未知数据 表现都好)过拟合:训练数据误差低(机器学习学的太好了,达到10.原创 2020-05-13 21:52:20 · 2459 阅读 · 0 评论 -
使用 virtualenv 创建虚拟环境并运行下载项目
参考链接:virtualenv创建虚拟环境 当手上项目越来越多,项目依赖就会存在问题,不同的版本是否能够兼容 。这个时候就需要在不同的项目上使用不同的python 某些库 不同的版本。 这样的话,如果 有两个 项目 同时使用一个 python的环境。那么 这两个项目 使用相同的包,但是版本 却不同 ,这个时候 怎么办? 因此,需要 为每个项目 创建不同的环境,这样就可以实现环境的隔离。虚拟环境是系统的一个位置,可以在其中安装包,并将其与其他Python包隔离,保证各项目之间的库互...原创 2020-06-06 22:49:56 · 711 阅读 · 0 评论 -
机器学习 -- 概述
1. 经典定义2. 基本术语3. 预测目标4. 机器学习的分类5. 机器学习目标6. 经验误差与过拟合7. 评估方法8. 性能度量1. 经典定义利用经验改善系统自身性能历史数据通过训练(使用学习算法)做出预知2. 基本术语 数据集 D={X1,X2....Xi,Xm} 样本或示例(特征向量)X 维数:...原创 2020-04-24 18:08:17 · 217 阅读 · 0 评论 -
机器学习-支持向量机 -- 硬间隔SVM
一、概述1. 支持向量机(Support vector machine, SVM)解释2. SVM三宝 3. SVM的三个重要的算法二、硬间隔SVM(Linearly separable patterns-- Hard-margin SVM) 1. 预知识 2. Hard-margin SVM 3.函数...原创 2020-04-24 14:24:15 · 3438 阅读 · 1 评论 -
机器学习-支持向量机 -- 软间隔SVM和非线性SVM
上篇文章讲了硬间隔SVM,利用间隔最大化求最优超平面和决策函数-Q:现实中, 很难找到一个超平面使得训练样本在特征空间中线性可分; 同时一个线性可分的结果也很难断定是否是有过拟合造成的.-A:引入”软间隔”的概念, 允许支持向量机在一些样本上不满足约束.一、软间隔SVM1. 松弛变量2.软间隔SVM模型3. 使用对偶求解4. 软间隔SVM算法5. 软间隔支...原创 2020-04-24 17:51:22 · 2646 阅读 · 2 评论 -
机器学习-支持向量机 -- 多分类SVM
上节回顾多分类SVM1. 多分类学习概述2. 多分类学习 -- 一对一3. 多分类学习 -- 一对多余4. 一对多 VS 一对其余5. 多分类学习 -- 多对多1. 多分类学习概述(1)多分类学习方法:二分类学习方法推广到多类利用二分类学习器解决多分类问题(常用)对问题进行拆分,为拆出的每个二分类任务训练一个分类器对于每个分类器的预测结果进行集成...原创 2020-04-28 22:42:47 · 6178 阅读 · 0 评论 -
机器学习 -- 初识决策树
一、概述决策树是一种典型的分类方法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。本质上决策树是通过一系列规则对数据进行分类的过程。1. 分类问题的步骤(1)模型构建(归纳)通过对训练集合的归纳,建立分类模型。(2)预测应用(推论)建立的分类模型,对测试集合进行测试。2. 决策树的优点(1)推理过程容易理解,决策推理过程可以表示...原创 2020-05-03 11:57:56 · 1284 阅读 · 0 评论 -
机器学习 -- 简析KNN(k近邻算法)
一、引入二、KNN算法1. 文字描述2. 算法过程3. 算法优缺点三、KNN模型1. 距离度量(Distance metric)2. k值的选择(Choice of k value)3. 分类规则(Classification decision rule)四、总结一、引入 可用于分类(二分类/多分类)或者回归,属于监督学习方法1. 思想给定测...原创 2020-05-07 15:40:32 · 677 阅读 · 0 评论 -
机器学习 -- 简析聚类算法
聚类算法聚类算法是一种无监督学习一、无监督学习 在无监督学习(unsupervised learning)中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础。聚类:K-means, 层次聚类,密度聚类降维:PCA 无监督学习的基本想法是对给定数据(矩阵数据)进行某种“压缩”,从而找到数据的潜...原创 2020-05-10 17:41:18 · 997 阅读 · 0 评论 -
机器学习 -- 集成学习简述
一、概述1. 什么是集成学习?2. 例子3. 聚类的两大算法二、Boosting(提升方法)1. 概述2. Boosting的两个核心问题三、AdaBoost1. 概述2. AdaBoost两个问题如何解决3. 算法思想 4. 算法流程5. 算法过程图示四、Bagging(装袋法)1. 概述2. 自助采样方法(有放回)五、随机森林1. 概述 2. 算法思想3. 随机森林的优缺点:4. Bagging VS ...原创 2020-05-13 12:07:13 · 975 阅读 · 0 评论 -
小白玩机器学习(1)--- P5.js + PL5.js 基于深度学习的简单在线图象识别
介绍p5.js是一个为艺术家、设计师而开发的Javascript库,可以看作是Processing的Web版本。 P5官网:http://p5js.org/ml5.js旨在为创意编程提供开箱即用的机器学习算法。该库封装了常用的机器学习算法和预训练模型,基于TensorFlow.js,可单独使用,也可搭配p5.js使用。ML5 官网:https://ml5js.org/开始首先需要...原创 2020-03-14 12:18:28 · 927 阅读 · 0 评论 -
小白玩机器学习(2)--- P5.js + PL5.js 使用摄像头进行物体识别
接上一节内容修改sketch.js代码部分let capture;let classifier;let flag = 0;function ModelReady() { // 效果,加载图片之后缓慢输出model is ready console.log('model is ready'); flag2 = 1; classifier.predic...原创 2020-03-14 12:22:59 · 949 阅读 · 0 评论 -
小白玩机器学习(3) --- p5.js + tensorflow.js 使用神经网络做回归和分类
(p5.js部分可以参考前面案例)基于神经网络的线性回归神经网络模型线性方程如何用神经网络表示呢?使用tf.sequential (简单的一层一层网络叠加)官网:https://js.tensorflow.org/api/latest/#sequential效果:鼠标点击屏幕出现点,训练之后线性拟合代码以及设计思路:test.jsxs = [];...原创 2020-04-06 12:14:01 · 387 阅读 · 0 评论 -
小白玩机器学习(4)--- 用迁移学习做回归 预测待检测目标的位置
用迁移学习做回归,预测待检测目标的位置Object Tracking using ‘Transfer Learning for Regression’一、题目要求1.具有两个bar分别位于canvas的水平方向和垂直方向作为拟合位置输出。2.训练模型,能够令标定方块在二维平面内移动,并且实现跟踪待识别物体位置的功能。二、设计思路1. 首先进行一维水平的物体跟踪(1)将分...原创 2020-05-04 11:14:17 · 2796 阅读 · 0 评论 -
小白玩机器学习(5)--- 基于深度迁移学习的自定义类名物品识别器
一、题目要求1.能够自定义输入类别个数。2.能够自定义输入类别名称,如鼠标、铅笔、书本,以及实时显示每类加载图片数。3.一个具有保存功能的html和一个能够加载模型的html(保存和加载功能)。4.打开能够加载模型的html后可直接进行识别。二、原理简述 传统的机器学习或数据挖掘只有在训练集数据和测试集数据都来自同一个feature space(特征空间)和统一分...原创 2020-05-04 11:31:58 · 406 阅读 · 0 评论 -
小白玩机器学习(6)--- 基于Tensorflow.js的在线手写数字识别
一、题目要求1.三个js文件,分别完成:网络训练以及模型保存、模型加载及准确率测试、在线手写数字识别;2.模型测试准确率要高于99.3%(尽量);3.在线手写数字识别需要能够通过鼠标在画布中写入0~9数字,并进行实时识别,按空格键清除。测试需具有一定的准确性。二、实验原理 利用卷积神经网络提高数字识别结果的精度。 假设图像的尺寸是28*28,那么如果我们在下一层有1000个单位,我们就需要学习28*28*1000个单位的权重。像素可能是相关的,因此构建了一个k*k核作为权重学...原创 2020-05-11 10:05:21 · 1141 阅读 · 1 评论