![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
《机器学习》西瓜书----阅读笔记
文章平均质量分 94
近期在学习西瓜书《机器学习》,分章节记录一下笔记
努力变强的EE狗
这个作者很懒,什么都没留下…
展开
-
阅读笔记:《机器学习》西瓜书(10)——降维与度量学习
降维与度量学习k近邻学习低维嵌入MDS算法主成分分析核化线性降维KPCA流形学习等度量映射局部线性嵌入度量学习降维是一种常用的数据预处理方法。由于降维事实上是高维空间在低维空间上的投影,一般情况下可以使用线性映射做到这一点。而线性映射又可以用矩阵进行表示,本章也出现了大量的线性代数相关的概念和公式,包括特征值、特征向量、对角化、正交变换、迹等等。理解这些概念的定义和实际意义对本章的学习有很大的好处。这里推荐学习李宏毅老师线性代数课程的相关章节。k近邻学习k近邻学习(简称kNN)是一种常用的监督学习方法原创 2021-08-15 17:40:24 · 318 阅读 · 0 评论 -
阅读笔记:《机器学习》西瓜书(9)——聚类
聚类聚类任务聚类任务在无监督学习中,由于训练样本并没有标签,一般使用聚类来揭示训练样本数据中的内在规律,为进一步的数据分析提供基础。聚类试图将训练样本在属性空间(特征空间、样本空间)中划分出若干个通常不相交的子集...原创 2021-08-11 19:03:26 · 503 阅读 · 0 评论 -
阅读笔记:《机器学习》西瓜书(8)——集成学习
集成学习一级目录二级目录三级目录一级目录二级目录三级目录原创 2021-08-10 11:27:54 · 457 阅读 · 0 评论 -
阅读笔记:《机器学习》西瓜书(7)——贝叶斯分类
阅读笔记:《机器学习》西瓜书(7)@TOC贝叶斯分类贝叶斯公式最核心的概念来源于贝叶斯公式,即对于随机事件A和B:P(Ai∣B)=P(B∣Ai)P(Ai)∑jP(B∣Aj)P(Aj)P(A_i|B)=\frac{P(B|A_i)P(A_i)}{\sum_j{P(B|A_j)P(A_j)}}P(Ai∣B)=∑jP(B∣Aj)P(Aj)P(B∣Ai)P(Ai)因此,在知道了先验概率P(Ai)P(A_i)P(Ai)和传递概率P(B∣Ai)P(B|A_i)P(B∣Ai)后,可以求得后验原创 2021-08-07 17:30:03 · 625 阅读 · 0 评论