ML
文章平均质量分 89
Amber_vc
这个作者很懒,什么都没留下…
展开
-
机器学习西瓜书学习笔记【第九章】
第9章 聚类 9.1 聚类任务 什么是聚类任务? **类别:**无监督学习 **目的:**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。 9.2 性能度量 什么是好的聚类? **目的:**① 评估聚类结果的好坏 ② 确立优化的目标 **结论:**簇内的样本尺度尽可能彼此相似,簇间的样本尽可能不同。 9.2.1 外部指标 **外部指标:**将聚类结果与某个 “参考模型” 进行比较,称为 “ 外部指标 ”。 9.2.2转载 2022-01-30 10:59:55 · 443 阅读 · 0 评论 -
支持向量机SVM
SVM:在特征空间中寻找间隔最大化的分离超平面(适合:高维稀疏、样本少) 面向数据的分类算法:间隔、对偶、核技巧、推导、kkt条件 Why间隔最大化;硬间隔和软间隔区别;why原始问题转化为其对偶问题?Why引入核函数? 过程:带约束优化目标-(拉格朗日函数)->无约束优化函数-(kkt条件)->对偶形式(先优化w,b极小值,再优化拉格朗日α极大值)求w,b-->SMO算法确定α-->最终分离超平面 SVM训练耗费内存,预测耗费内存少 在特征空间中,分离超平..原创 2020-12-08 10:55:49 · 172 阅读 · 0 评论 -
逻辑回归
LR:1两个假设2极大似然函数3梯度下降4分类5优缺点 推导、why极大似然函数作为loss function LR假设数据服从伯努利分布(0-1分布),通过极大似然函数的方法,利用GD求解参数,达到分类目的(分类:阈值的确定) 两个假设:1数据服从伯努利分布2样本为证的概率为P=sigoid(WTX) 0-1分布: x 0 1 Px 1-P P Sigmoid函数.原创 2020-12-08 10:43:18 · 171 阅读 · 0 评论