tianyaleixiaowu的专栏 - CSDN博客

tianyaleixiaowu的专栏

世界上有10种人，一种懂2进制，一种不懂2进制

转神经网络的激活函数总结

转载自：https://my.oschina.net/amui/blog/1633904激活函数的意义（需要激活函数的理由）激活函数是神经网络的一个重要组成部分。如果不用激活函数（即相当于激活函数为f(x)=x），在这种情况下，网络的每一层的输入都是上一层的线性输出，因此，无论该神经网络有多少层，...

2018-06-22 16:19:07

阅读数：170

评论数：0

原 4 机器学习入门——分类和最近邻

前面学过了简单的回归和决策树，当然仅仅是使用起来简单。实际上，线性回归和决策树是很多其他算法的基础，很多高级的算法都是基于它们的组合或者变种。下面我们来看一个另外的东西，叫分类。基于回归和决策树，我们能通过给定的数据来预测一些未知结果的数据，模型能给我们输出一个可供参考的结果值。但有些时候这些数据...

2018-06-17 17:24:26

阅读数：206

评论数：0

转逻辑回归，决策树，支持向量机选择方案

转载自：https://blog.csdn.net/oliverkehl/article/details/50129999这一篇讲的非常形象，直接转载了。逻辑回归 vs 决策树 vs 支持向量机原文 part1 原文 part2分类是我们在工业界经常遇到的场景，本文探讨了3种常用的分类器，逻辑回归...

2018-06-15 19:42:38

阅读数：126

评论数：1

原 3 机器学习入门——决策树之天气预报、鸢尾花

前面我们简单学习了线性回归、逻辑回归，不知道有没有做一个总结，那就是什么时候该用逻辑回归？从结果来观察，可以看到，线性回归的过程就是在找那个合适的方程，来尽量满足你的每行数据。即Y=ax + bx^2 + …….通过算法来寻找合适的a、b、c。一般来说，线性回归适用于最终结果和各属性之间有数值上的...

2018-06-15 15:55:50

阅读数：156

评论数：1

原 2 机器学习入门——逻辑回归之kaggle泰坦尼克号竞赛

前面几篇逻辑回归的例子有些是人造出来的，有些是比较正规的，但数据都比较完整，没有缺失的属性。虽然我们在很多数据上取到的非常好的效果，但总感觉好像不够味，不像实战。所有的数据下载地址：https://gitee.com/tianyalei/machine_learning，按对应章节查找。那么这里有...

2018-06-14 20:23:18

阅读数：71

评论数：0

原 2 机器学习入门——逻辑回归第三课

这一篇我们拿一些实例来看看。所有的数据下载地址：https://gitee.com/tianyalei/machine_learning，按对应章节查找。还是要提醒一句，逻辑回归很简单，很多时候效果可以，但不够优秀，可以作为BaseLine。在选择算法前，可以先观察数据，根据经验推断是否符合线性（...

2018-06-07 19:47:38

阅读数：163

评论数：0

原 2 机器学习入门——逻辑回归第二课

我们来看看逻辑回归处理样本数据的案例，假如说要分类的样本长这样所有的数据下载地址：https://gitee.com/tianyalei/machine_learning，按对应章节查找。这是一个最简单的二维平台线性关系，数据集是data1.csv。长这个样子：a,b,result 34.6236...

2018-06-07 16:13:56

阅读数：54

评论数：0

原 2 机器学习入门——逻辑回归第一课

前几篇都是讲线性回归的，特点就是最终的结果是一系列的值。我们通过找到合适的方程去匹配空间中的点的分布，得到合适的模型，然后用模型对未知的数据结果进行预测。二维线性模型就像下面的图，我们需要找到这根蓝色的线的方程。现实生活中，我们还会有另一个常见的问题，就是分类。判断一个物体是大还是小，是高还是低，...

2018-06-07 15:25:26

阅读数：57

评论数：0

原 1 机器学习入门——线性回归第三课

上一篇我们看到了线性回归在对多个属性建模时，能迅速给出模型预测，但很多时候效果并不太美好。毕竟方法太简单了，而且很多时候已有的属性很难拟合到一起形成比较靠谱的结果。所有的数据下载地址：https://gitee.com/tianyalei/machine_learning，按对应章节查找。再回过头...

2018-06-07 11:10:36

阅读数：69

评论数：0

转数据预处理和weka.filters的使用

转载自：https://www.cnblogs.com/htynkn/archive/2012/04/02/weka_3.html上一篇介绍了arff格式，这是weka专有格式，一般情况需要我们从其他数据源抽取或者获得。weka支持从cvs转化，也可以从数据库中抽取，界面如下图weka安装目录有一...

2018-06-06 20:10:56

阅读数：44

评论数：0

原 1 机器学习入门——线性回归第二课

1 house价格，多属性线性回归2 bank_data，多项式3 红酒预测线性回归可以说是最简单的机器学习入门了，上一篇我们使用了一个最简单的模型，只有一个变量，只有一次方。机器很完美的给出了模型和正确的结论。这一篇我们来看看一些复杂的情况。所有的数据多个变量线性回归人们能立即想到的一个例子就是...

2018-06-06 20:02:47

阅读数：48

评论数：0

原 Weka中分类器指标的说明

Mean absolute error 和 Root mean squared error：　平均绝对误差，用来衡量分类器预测值和实际结果的差异，越小越好。Relative absolute error 和 Root relative squared error：举个例子来说明：实际值为500，预...

2018-06-06 16:59:54

阅读数：47

评论数：0

原 1 机器学习入门——线性回归第一课

先来上例子吧，让我们来感受一下什么是机器学习。我们先给出一批数据，它们长这样：x，y1，22，43，64，8……此时，我们希望你能预测一下，当x是1万时，y的值。如果你具备初中以上的数学知识，聪明的你可能已经能给出答案了。是的，结果是2万。至少在这个层面，你已经超越了机器。因为你只需要看几秒，就能...

2018-06-06 11:42:50

阅读数：101

评论数：0

原机器学习特征工程——给任意属性增加任意次方的全组合

在机器学习中，我们时常会碰到需要给属性增加字段的情况。譬如有x、y两个属性，当结果倾向于线性时，我们可以很简单的通过线性回归得到模型。但很多时候，线性（在数学上称为多元一次方程），线性是拟合不了结果的。往往，我们就需要在给定的几个属性上，通过增加属性来尝试能否拟合。那么原本只有两列，x、y，我们增...

2018-06-05 14:01:44

阅读数：49

评论数：0

转深入理解Java之线程池

转载自：http://www.importnew.com/19011.html#comment-653957在前面的文章中，我们使用线程的时候就去创建一个线程，这样实现起来非常简便，但是就会有一个问题：如果并发的线程数量很多，并且每个线程都是执行一个时间很短的任务就结束了，这样频繁创建线程就会大大...

2018-05-29 14:19:53

阅读数：96

评论数：0

原 10 搭建Hadoop单机环境，使用spark操作Hadoop文件

前面几篇主要是sparkRDD相关的基础，也使用过textFile来操作过本机的文档。实际应用中，操作普通文档的机会不多，更多的时候是操作kafka的流和Hadoop上文件。下面我们就在本机搭建一个Hadoop环境。1 安装配置Hadoop首先下载Hadoop的压缩包，http://www.apa...

2018-04-28 10:30:46

阅读数：123

评论数：0

原 9 spark入门之采样、搜集部分结果sample、takeOrdered

spark提供了对结果集RDD进行随机采样，即获取一小部分数据的功能。其中有sample、takeSample、takeOrdered等方法。import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.Jav...

2018-04-24 14:12:25

阅读数：166

评论数：0

转 8 spark之基本的Action操作 first, take, collect, count, countByValue, reduce, aggregate, fold,top

转载自：https://blog.csdn.net/t1dmzks/article/details/70667011first返回第一个元素 scalascala&gt; val rdd = sc.parallelize(List(1,2,3,3)) scala&...

2018-04-19 13:59:35

阅读数：69

评论数：0

转 7 spark入门键值对操作subtractByKey, join, rightOuterJoin, leftOuterJoin

转账自：https://blog.csdn.net/t1dmzks/article/details/70557249subtractByKey函数定义def subtractByKey[W](other: RDD[(K, W)])(implicit arg0: ClassTag[W]): RDD[...

2018-04-19 13:57:00

阅读数：58

评论数：0

原 6 spark入门键值对操作sortByKey、groupByKey、groupBy、cogroup

SortByKey从名字就能看到，是将Key排序用的。如一个PariRDD-["A":1, "C":4, "B":3, "B":5]，按Key排序的话就是...

2018-04-19 10:40:57

阅读数：89

评论数：0

提示

确定要删除当前文章？

取消删除