![](https://img-blog.csdnimg.cn/20201110183701673.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 91
机器学习基础知识介绍
shanzsz
逐渐变捞的研究生
展开
-
机器学习-sklearn快速入门
前言:传统的机器学习任务从开始到建模的一般流程是:获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测,分类。本文我们将依据传统机器学习的流程,看看在每一步流程中都有哪些常用的函数以及它们的用法是怎么样的。希望你看完这篇文章可以最为快速的开始你的学习任务。1. 获取数据1.1 导入sklearn数据集sklearn中包含了大量的优质的数据集,在你学习机器学习的过程中,你可以通过使用这些数据集实现出不同的模型,从而提高你的动手实践能力,同时这个过程也可以加转载 2021-03-01 10:08:07 · 897 阅读 · 0 评论 -
机器学习-最优化方法
1、简介在机器学习特别是深度学习中,我们经常需要这些最优化算法来将我们的模型训练至一个局部/全局最优处,从而得到我们需要的网络参数。目前为止:由于每种算法都有其局限性,暂时还没有一种算法适用于大多数模型,因此还没有就使用哪种算法达成共识。 在对于模型了解不太深刻时,最好使用较为流行的算法,例如:SGD、动量SGD、RMSProp、动量RMSProp、AdaDelta 、Adam等,较少使用陈旧的如二阶近似的方法。 对于使用哪种算法主要取决于使用者对于不同算法的熟悉程度,各种算法效果相差不大,转载 2021-01-26 17:28:35 · 1843 阅读 · 0 评论 -
机器学习-参数估计方法
机器学习中几种主要参数估计方法的介绍转载 2021-01-25 15:49:20 · 4304 阅读 · 0 评论 -
机器学习-主成分分析PCA
一、介绍:主成分分析,是统计学中一种用来分析多维数据的方法.通过对数据维数的降低,在对我们要实现的指标影响不大的前提下,达到减少数据量(减少数据的维度)的目的.换句话说,就是通过降低数据维数的方法,删减对于结果来说不必要的维度分量来减少数据量,没被删减掉的,就可以认为是我们我们实现目标影响较大的主成分.PCA(Principal Component Analysis)方法最著名的应用应该是在人脸识别中特征提取及数据降维,我们知道即使是很小的一幅图片,在长宽相乘之后的像素位数也很多,比如输入300*300转载 2021-01-22 18:09:19 · 978 阅读 · 0 评论 -
机器学习-聚类算法
聚类算法,字面意思可以理解为对数据进行汇聚以及分类的过程。在高维度的数据集中 ,每一个数据都包含了大量的信息,不同于二维三维时候我们可以轻易分辨,所以我们可能需要聚类算法帮我们将数据分类。转载 2020-11-11 20:04:46 · 692 阅读 · 0 评论