机器学习
唯pc远方
这个作者很懒,什么都没留下…
展开
-
2.数据挖掘简介
数据挖掘(DM:Data Mining):是一个跨学科的计算机科学分支, 它是用人工智能、 机器学习、 统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息, 并将其转换成可理解的结构, 以进一步使用。 除了原始分析步骤, 它还涉及到数据库和数据管理方面、 数据预处理(特征工程) 、 模型与推断方面考量、 兴趣度度量、原创 2017-09-03 18:01:30 · 578 阅读 · 0 评论 -
P问题和NP问题
作者:王宇链接:https://www.zhihu.com/question/27039635/answer/101730260来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。最简单的解释:P:算起来很快的问题NP:算起来不一定快,但对于任何答案我们都可以快速的验证这个答案对不对NP-hard:比所有的NP问题都难的问题NP-c转载 2017-09-11 00:30:28 · 7652 阅读 · 0 评论 -
L0、L1与L2范数
机器学习中的范数规则化之(一)L0、L1与L2范数http://blog.csdn.net/zouxy09 今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大,为了不吓到大家,我将这个五个部分分成两篇博文。知识有限,以下都是我一些浅显的看转载 2017-09-11 00:55:41 · 711 阅读 · 0 评论 -
1.机器学习基本概念
所谓学习:本质就是找到特征和标签间的关系。监督学习:(1)就是常说的分类,通过已有的训练样本去训练一个最优模型。再利用模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现分类的目的。(2)对具有概念标记(分类)的训练样本进行学习,以尽可能对训练样本集外的数据进行标记(分类)预测。这里所有的标记(分类)都是已知的。因此,训练样本的歧义性低。监督学习划分:原创 2017-09-03 13:11:58 · 1084 阅读 · 0 评论