机器学习
水亦心
这个作者很懒,什么都没留下…
展开
-
【吴恩达机器学习笔记】001 什么是机器学习(What is Machine Learning)
一、什么是机器学习 机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。二、机器学...原创 2018-05-02 21:52:19 · 2040 阅读 · 0 评论 -
【机器学习小常识】“parameters(参数)” 与 “hyperparameters(超参数)”的概念及区别详解
目录1、参数与超参数概念1.什么是参数2.什么是超参数2、二者有什么区别1.得到方式不同2.影响因素不同3.可控程度不同说在前面的话有些概念其实,很纠结,它到底是属于机器学习呢,还是属于深度学习呢?比如说,分类与回归,这个有些是很难界定的,有人说,它属于深度学习,又有人说,它属于机器学习。其实争论这些,好像并无太大意义,就像一个男生对一个姑娘宠溺的说:这天下...原创 2019-04-03 15:56:21 · 8508 阅读 · 0 评论 -
【机器学习小常识】“分类” 与 “回归”的概念及区别详解
目录1、分类与回归是干嘛的?2、二者有什么区别1.输出不同2.目的不同3.本质不同4.结果不同3、场景应用1.分类应用2.回归应用学过机器学习的人都听过两个概念:分类与回归,特别的,在YOLO v1中,作者也提到了YOLO之前的物体检测方法通常都转变为了一个分类问题,如 R-CNN、Fast R-CNN 等等。而YOLO将检测变为一个 回归问题。那么...原创 2019-03-26 17:05:54 · 59753 阅读 · 15 评论 -
【机器学习实战学习笔记】之 3 决策树01(含Matplotlib模块介绍)
目录一、决策树简介1、引入1.二十个问题的游戏2、决策树1.工作原理2.算法特点二、决策树的构造1、步骤2、伪代码函数createBranch()3、决策树的一般流程4、算法分析5、信息增益6、划分数据集7、递归构建决策树三、使用Matplotlib注解绘制树形图1、决策树2、Matplotlib注解3、构造注解树本学习笔...原创 2019-04-08 20:45:13 · 756 阅读 · 0 评论 -
【机器学习实战学习笔记】之 2 k-近邻算法
本学习笔记参考书目《机器学习实战》第二章。本章所有本书对应代码及数据集下载请点击(下载链接)。本文中博主自己写的代码如有需要,请点击(下载链接)。目录一、k-近邻算法概述1、引入2、k-近邻算法(kNN)3、Python实现二、k-近邻算法应用-改进约会网站的配对效果1、步骤2、准备数据:从文本文件中解析数据3、分析数据:使用Matplotlib创建散点...原创 2019-02-03 23:15:30 · 1416 阅读 · 0 评论 -
【机器学习实战学习笔记】之 1机器学习基础
本学习笔记参考书目《机器学习实战》本博客系列文章如下:机器学习基础 :https://blog.csdn.net/shuiyixin/article/details/86650642k-近邻算法 :https://blog.csdn.net/shuiyixin/article/details/86681831决策树01(含Matplotlib模块介绍):https://blog....原创 2019-01-27 12:21:26 · 827 阅读 · 0 评论 -
【吴恩达机器学习笔记】005 梯度下降(Gradient Descent)
一、什么是梯度? 在微积分里面,对多元函数的参数求∂偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯度。比如函数f(x,y), 分别对x,y求偏导数,求得的梯度向量就是(∂f/∂x, ∂f/∂y)T,简称grad f(x,y)或者▽f(x,y)。对于在点(x0,y0)的具体梯度向量就是(∂f/∂x0, ∂f/∂y0)T.或者▽f(x0,y0),如果是3个参数的向量梯度,就是...原创 2018-05-16 19:33:40 · 4628 阅读 · 5 评论 -
【吴恩达机器学习笔记】003 无监督学习(Unsupervised Learning)
一、无监督学习引入 观察上面左边的图,该图是监督学习的分类问题,在监督学习中,数据集中的每个样本有相应的“正确答案”,即被标为良性或者恶性肿瘤。根据这些样本做出预测。 再看右侧,和左侧的区别在于,不管是哪一类,都用相同的符号“圆圈”表示。也就是在右侧的图中,没有了分类。所有的数据是一样的,没有对错之分。我们只有一个数据集,没有人告诉我们什么是正确的...原创 2018-05-03 22:02:24 · 10764 阅读 · 0 评论 -
【吴恩达机器学习笔记】004 模型示例:单变量线性回归(Model Representation:Linear Regression with one variable)
一、示例 —— 预测住房价格 如上图所示,图中的数据集(X)表示房屋大小和价格存在的一个关系图。如果有一个人有一套1250平方尺的房子,那他卖多少钱合适?二、分析 或许我们每个人心中都有这样一种想法,构造一个函数,房子的尺寸是x,房子的售价是y,则x和y之间会存在一个函数关系式:y=f(x)。当我们把对应的房子的尺寸放进去之后,就能得到对应的房价。 这也是...原创 2018-05-05 22:38:41 · 738 阅读 · 0 评论 -
【吴恩达机器学习笔记】002 监督学习(Supervised Learning)
一、什么是监督学习? 监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。 监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。监督学习算法是分析该训练数据,并产生一个推断的功能,其可以用于...原创 2018-05-02 22:19:36 · 1161 阅读 · 0 评论 -
【机器学习论文翻译】去信任的机器学习合约:在以太坊区块链上评估和交换机器学习模型1
一、前言区块链是最近特别火热的一门技术,特别是比特币、挖矿概念的兴起,更是推动了区块链的发展。目前基本上确定的未来的研究方向是AI + 区块链,所以从现在开始,做个小白,不断开始滚雪球。如果你有什么问题,希望跟我能够一起交流,除了通过博客交流外,欢迎你加入我的QQ群,一起交流有关于机器学习、深度学习、计算机视觉有关内容。目前我处于广泛涉猎阶段,希望我们能够一起沟通。下图是我的群二维码:...原创 2019-04-16 00:21:16 · 1089 阅读 · 0 评论