机器学习
文章平均质量分 53
steve_99
路漫漫而修其远兮,吾将上下而求索。
展开
-
机器学习--周志华--课后习题3.3答案
LR实现,训练集和测试集都是书上给的西瓜数据集3.0α,用keras实现代码如下:# coding: utf-8"""使用keras实现logistic分类器"""import osimport gzipimport urllibimport numpy as npfrom keras.models import Sequentialfrom keras.layers.core imp原创 2016-06-10 19:52:08 · 6637 阅读 · 2 评论 -
机器学习中几种常见优化方法总结
1、梯度下降法假设f(x)是具有一阶连续偏导数的函数。要求解的无约束最优化问题是:梯度下降法是一种迭代算法,选取适当的初值x(0),不断迭代更新x的值,进行目标函数的极小化,直到收敛。由于负梯度方向是使得函数值下降最快的方向,所以在迭代的每一步,以负梯度方向更新x的值,从而达到减少函数值的目的。f(x)具有一阶连续偏导数,若第k次迭代值为x(k),则可将f(x)在x(k)附近进行一阶泰原创 2016-05-29 00:42:35 · 4352 阅读 · 0 评论 -
《机器学习》周志华第四章笔记
自己对决策树的一些理解,不一定对,权当加深印象。4.1基本流程组成:一个根节点、若干内部节点和若干叶节点;叶节点对应了不同的预测结果,我们的目的是从包含样本全集的根节点找到它到每个叶节点的路径对应一个判定预测序列。 目的:产生一棵泛化能力强的决策树。什么叫做泛化能力强呢?就是这颗决策树能够对之前没见过的样本也能做出正确的预测。整个过程如下输入:训练集D,属性集A1、生成节点node2、如果 D原创 2016-07-01 21:23:41 · 2557 阅读 · 0 评论