机器学习
weixin_38996229
这个作者很懒,什么都没留下…
展开
-
机器学习(一)(基本概念的梳理)(西瓜书学习笔记)
一批西瓜的数据: A1(色泽=青绿;根蒂=蜷缩;敲声=浊响) A2(色泽=乌黑;根蒂=稍蜷;敲声=沉闷) A3(色泽=浅白;根蒂=硬挺;敲声=清脆) A1+A2+A3叫做数据集(data set) 以A1为例: A1叫做样本(sample)/示例(instance) A1中的“色泽”叫做属性(attribute) A1中的“青绿”叫做属性值(attribute value) 以这...原创 2018-10-18 18:57:20 · 254 阅读 · 0 评论 -
机器学习(二)西瓜书笔记
归纳(induction)和演绎(deduction)是科学推理的两大基本手段 归纳:从特殊到一般的泛化(generalization)的过程,即从具体事实归结出一般性规律 演绎:从一般到特殊的特化(specialization)过程,即从基础原理推演出具体状况 归纳学习有狭义和广义之分 广义的归纳学习:相当于从样例中学习 狭义的归纳学习:从训练数据中学得概念(concept),因此亦称...原创 2018-10-19 10:52:20 · 161 阅读 · 0 评论 -
三层神经网络的BP(BackPropagation)算法推导
BP算法: 利用的是sigmoid函数来搭建的一个三层神经网络。假设其拓扑结构如图1-1所示。 图1-1 三层神经网络 该网络的运行流程为:当输入一个样例后,获得该样例的特征向量,再根据权向量得到感知机的输入值,然后使用sigmoid函数计算出每个感知机的输出,再将输出作为下一层感知机的输入,以此类推,知道输出层。 反向传播算法就是用来对每个感知机的权向量逐步进行优化。为了得到...转载 2018-11-28 10:53:18 · 7369 阅读 · 0 评论 -
非机器学习方法和机器学习方法推荐性能的比较
(基本矩阵分解)Basic MF Basic MF是最基础的分解方式,将评分矩阵RRR分解为用户矩阵UUU和项目矩阵SSS, 通过不断的迭代训练使得UUU和SSS的乘积越来越接近真实矩阵,矩阵分解过程如图: 预测值接近真实值就是使其差最小,这是我们的目标函数,然后采用梯度下降的方式迭代计算UUU和SSS,它们收敛时就是分解出来,的矩阵。我们用损失函数来表示误差(等价于目标函数):∑i=1n∑j=...原创 2019-01-19 14:30:53 · 616 阅读 · 0 评论 -
翻译AutoRec: Autoencoders Meet Collaborative Filtering
这里写自定义目录标题1、介绍2、AutoRec方法新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 1、介绍 协...原创 2019-01-14 21:47:24 · 634 阅读 · 0 评论