机器学习
小cui童鞋
这个作者很懒,什么都没留下…
展开
-
机器学习笔记3——Adaboost
一般来说,Ensemble模型适合于过拟合的模型,包括bagging和boosting.3.1 Bagging其中Bagging是单独训练每个分类器,然后用平均或者投票的方法组合,boosting的方法则是分类器之前存在强依赖,前一个分类器预测的解构会影响后一个分类器。随机森林就是DT的bagging。在相同的深度下,随机森林并不会比决策树好很多,但会让分类的结果更平滑3.2 Boosti...原创 2019-11-23 20:49:40 · 265 阅读 · 0 评论 -
机器学习笔记2——决策树
文章目录2.1简介2.2 信息论基础2.3 特征选择2.4 ID32.5 C4.52.1简介决策树算法经典的机器学习算法,也是使用的很普遍的一类算法,集成学习中的随机森林就是以决策树算法为基础的。决策树是Quinlan(昆兰)在1986年提出来的,最开始的版本是ID3算法,之后他又提出来C4.5算法。后来,有人在昆兰的基础上提出了CART算法,本文主要介绍这三种算法的主要思想。2.2 信息论...原创 2019-11-19 21:55:20 · 607 阅读 · 0 评论 -
机器学习笔记1——逻辑回归
文章目录1 Logistic Regression1.1 LR模型1.2 损失函数1.3 优化方法1.4 Regulization(正则化)1 Logistic RegressionLogistic Regression 逻辑回归,简称LR,适合于分类问题1.1 LR模型对于线性回归模型,需要拟合一个Y=XθY=X\thetaY=Xθ的函数,回归问题适合于连续的问题,而对于分类问题,需要得...原创 2019-11-18 17:35:36 · 266 阅读 · 0 评论 -
机器学习----回归问题
1.序言这个系列主要总结一些自己在coursera上的课堂笔记。cousera上的机器学习课程是大名鼎鼎的Andrew NG(吴恩达)老师讲的,讲的深入浅出,真的是良心课程。课程录制在2011年,当时各种DNN还没有那么火,CNN用到图像分类是在2012年,所以课程的内容有点旧,但机器学习的思想仍是很重要的。2.简介ML(Mechine Learing)叫做机器学习,我们在网上看到的垃圾邮件的过滤,原创 2017-05-06 16:35:31 · 3222 阅读 · 0 评论 -
机器学习----分类问题
1.简介分类问题有许多应用,比如:判断一封邮件是否为垃圾邮件,肿瘤是否为良性?分类问题包括:两类分类和多类分类,其中多类分类用到的是两类分类的思想。在我们看来,类别这个概念是可数的,所以分类问题属于离散问题,与上一讲的回归问题不同,它属于连续问题。但与回归问题类似的是,用机器学校处理分类问题时也是找一条回归曲线,通过设置阈值把数据分为离散的类,所以这一节我们重点关注如何找这条曲线。2.原创 2017-05-10 22:01:51 · 2034 阅读 · 0 评论 -
机器学习----matlab中的CNN
1.前言最近需要用到卷积神经网络(CNN),在还没完全掌握cuda+caffe+TensorFlow+python这一套传统的深度学习的流程的时候,想到了matlab,自己查了一下documentation,还真的有深度学习的相关函数。所以给自己提个醒,在需要用到某个成熟的技术时先查一下matlab的帮助文档,这样会减少很多时间成本。记得机器学习的大牛Andrew NG.说过在硅谷好多人都是先用ma原创 2017-06-03 20:02:28 · 46188 阅读 · 37 评论