数据挖掘
文章平均质量分 53
u010292637
这个作者很懒,什么都没留下…
展开
-
Multi-linear classification(MLP)
感知器vol.2线性分类不能分隔非线性的边界,可以用多个超平面来取代单个超平面如图简单示意合并两个超平面对数据进行分类对hyperplane A和B的输出zA和zB,计算以0为临界值取h+1个神经元可以构成一个multi-linear classifier,其中h个hyperplane作边界分割,1个作为h个hyperplane的混合器用不同的方式将神经原创 2013-04-22 18:58:02 · 803 阅读 · 0 评论 -
线性分类Linear Classification
记录一些学习随笔,权且作为基本知识的初步整理感知器(perceptron)vol.1我们所学的首个神经网络类是实现定义好的点所组成的组分类(classification)可以猜测某一个点所在的类在学习分类时我们需要解决的2个问题:1、分类(classifying):判断出点在decision boundary的哪一边2、learning:找到分隔出两个类原创 2013-04-19 16:23:09 · 2692 阅读 · 0 评论 -
决策树(decisions tree)和ID3算法
决策树和决策规则是解决实际应用中分类问题的强大的数据挖掘方法。首先,介绍一下分类的基本原理:分类是一个学习函数的过程,该函数把数据项映射到其中一个预定义的类中。若一个样本包含属性值向量和一个相应的类,则基于归纳学习算法的每个分类就指定为该样本集的输入。归纳学习的目标是构建一个分类模型,也成为分类器,它可以根据有效的属性输入值预测某个实体所属的类。决策树定义:每一个结点是原创 2013-04-28 21:49:51 · 775 阅读 · 0 评论 -
dimension reduce(梯度下降)self-organizing maps(自组织映射)
使数据集的维度减小可以简化问题,带来优化如更快的处理时间、虚拟化高维度的数据集、抗噪音、增强其他数据挖掘算法线性降维(Linear dimension reduce)main linear components能使数据在这一轴的变化范围最大1-st component是使数据在这一维变化最大的轴方向2-nd component是当投影到1-st component方向时原创 2013-05-25 16:17:33 · 1309 阅读 · 0 评论 -
马尔可夫模型(Markov models)
Markov假设有一系列的事件、状态或其他事物,后一事件的发生取决于前一事件。这样我们可以构造一个Markov链,并画图。我们还可以将每一个状态之间的转换可能性数值列出成为transition matrix所以马尔可夫链经过n步之后的状态可以由transition matrix和一个初始状态的列向量表示如Markov链式序列分析的理想工具,可以在不同的层次上应用。例原创 2013-05-14 21:40:52 · 1753 阅读 · 0 评论