ML
文章平均质量分 83
尤曦
这个作者很懒,什么都没留下…
展开
-
机器学习-决策树(Entscheidungsbäume)
决策树基础知识树的构成: 1.每一个内部节点代表一个属性测试 2.每个分支对应特定的属性值 3.每个叶子节点对应一个分类 树的描述: 对于树通常可以用一个析取范式表示,每一个klausel对应着树上从跟到叶子节点的一条路径 比如: (Vorhersage=sonnig∧Luftfeuchtigkeit=normal)∨(Vorhersage=bedeckt)∨(Vorhersage=r翻译 2016-01-17 20:16:57 · 1679 阅读 · 3 评论 -
机器学习-贝叶斯学习(BayesLernen)
大纲1.动机 2.贝叶斯理论 3.MAP-/ML假设 4.优化的贝叶斯分类器 5.幼稚的贝叶斯分类器 6.例子 7.贝叶斯网络 8.EM算法 9.总结动机什么是贝叶斯学习他是一种统计学习方法,他具有以下的特点: 1.结合已有的信息(前验概率)和观察到的信息 2.通过贝叶斯可以获得对应观察的假设,以及这个假设成立对应的概率 (Hypothesen können mit einer翻译 2016-02-01 08:04:01 · 3098 阅读 · 1 评论 -
机器学习-神经元网络
比较人脑和电脑主要应用领域1.分类和模式识别 诊断,声音识别,文字识别 2.回归/拟合 3.模型完善(Mustervervollständigung) 。。。Perceptron基本思想模仿现实生活中动物的感知和反应原理 图中左边为从眼睛捕捉到事物到形成反应方案的过程。右边为对这个过程的模仿。建立一个Perceptron 其中W为权值,o为输出X为输入向量, Perceptron的翻译 2016-01-31 14:05:00 · 3436 阅读 · 1 评论 -
机械学习-深度学习(ReinforcementLernen)
纲要1.问题设置:MDP(Markov decision process) 2.学习目标:reward(maximale Bewertung) 3.PL中对应的问题的维度//?? 4.策略学习(Policy learning)RL的学习目标(Lernziel RL)就是通过寻找一个动作序列a1,...ana_1,...a_n,使得最终可以得到最高的评价。 (Finde eine Aktion翻译 2016-01-29 20:58:26 · 2077 阅读 · 1 评论 -
机器学习-非监督学习(Unüberwachte Lernverfahren)+大型数据库:Clustering-2
概念聚类(Clustering mit kategorischen Attributen)我们至今为止看到的聚类的方法都只适用于对应的属性值是数字的情况,但是当属性不是数字时,我们又该怎么做呢???比如购物车分析时,对应的属性值的类型就是布尔型的,他对应的值域是{true, false}。而一般的情况下属性对应的值域是一个有限值的集合。比较经典聚类和概念聚类在经典聚类中: 1.相识性取决于数值的相翻译 2016-01-17 20:10:53 · 691 阅读 · 0 评论 -
机器学习-隐马尔可夫模型(Hidden Markov Modelle)
看到这里发现前面看过的已经全部忘记了,好大的一种做死的感觉啊。不知为什么自从开始写这个以来,随着书写数量的增加,产生了越来越多的不满。总之就是很不爽啊。大纲动机离散的马尔可夫过程隐马尔可夫模型三个基本的问题对应的策略实际例子:跳定了动机现实世界中获得的信息有可能是受干扰的同时也可能含有非确定性的信息使用信息的概率模型,比如马尔可夫模型,可以很好的完成以下任务 //已弄不清楚前后有翻译 2016-01-21 03:41:20 · 1719 阅读 · 0 评论 -
机器学习-贝叶斯学习(BayesLernen)-II
贝叶斯网络动机NB的条件(非条件关联)对于大多数情况来说都是太过严苛了。 但是如果没有这些假设在很多情况下贝叶斯学习将难以进行(需要的训练集太大) 贝叶斯网络可以用来描述变量的子集以及变量之间的条件关联和非条件关联 (Erlauben somit die Kombination von a priori Wissen über bedingte (Un-)Abhängigkeiten von翻译 2016-01-21 03:39:22 · 765 阅读 · 0 评论 -
机器学习-支持向量机
基础知识监督学习简单的说监督学习就是在已知一定数量的训练集(就是输入输出对)(x1→,y1)...(xn→,yn)∈X∗Y(\overset{\rightarrow}{x_1},y_1)...(\overset{\rightarrow}{x_n},y_n) \in X * Y的基础上通过建立一个概率系统P(x⃗ ,y\overset{\rightarrow}{x},y),实现对新的输入能够进行有效的翻译 2016-01-17 20:20:36 · 732 阅读 · 1 评论 -
机器学习-非监督学习(Unüberwachte Lernverfahren)+大型数据库:Clustering-1
把数据库分析的Clustering加到这里来吧-为完成哦内容一览1.动机 2.k-means聚类(经典聚类) 3.多级聚类 4.COBWEB(Begriffliche Balungen)和概念聚类 5.前景动机动机1.训练集的收集和分类相当费力 2.另外训练时那么多量要计算也是相当麻烦的 (Engineering z.B:Merkmalsberechnung der Daten kann翻译 2016-01-15 07:33:02 · 2981 阅读 · 0 评论