Machine learning
机器学习
菱形继承
懒癌患者,IT民工,前进路上经常磕磕碰碰
展开
-
集成学习boosting
Boosting 的核心思路是 — — 挑选精英。Boosting 和 bagging 最本质的差别在于他对基础模型不是一致对待的,而是经过不停的考验和筛选来挑选出「精英」,然后给精英更多的投票权,表现不好的基础模型则给较少的投票权,然后综合所有人的投票得到最终结果。大部分情况下,经过 boosting 得到的结果偏差(bias)更小。具体过程:通过加法模型将基础模型进行线性的组合。 每一轮训练都提升那些错误率小的基础模型权重,同时减小错误率高的模型权重。 在每一轮改变训练数据.原创 2021-05-23 23:08:10 · 185 阅读 · 0 评论 -
集成学习bagging
集成学习就是将现有的所有机器学习方法综合起来,进行组装bagging(bootstrap aggregating的缩写,也称作“套袋法”)就是其中的一种Bagging 的核心思路是 — — 民主。Bagging 的思路是所有基础模型都一致对待,每个基础模型手里都只有一票。然后使用民主投票的方式得到最终的结果。大部分情况下,经过 bagging 得到的结果方差(variance)更小。具体过程:从原始样本集中抽取训练集。每轮从原始样本集中使用Bootstraping的方法抽取.原创 2021-05-23 23:02:37 · 206 阅读 · 0 评论 -
论机器学习中数据的重要性
机器学习实验报告一、数据工程意义及其内容(自创名词,勿怪) 现如今,机器学习在越来越多的领域中凸显出其不可替代的重要性,人们开始从各领域渗透机器学习的典型案例,希望其大规模投入使用,而好的训练结果与坏的训练结果的区别并不在于你的模型好坏,而往往是取决于你拥有多少、多好的数据来训练你的模型。这就是为什么现在很多的互联网公司(诸如BAT、Google、Amazon)十分注重机器学习中大数据来源这一领域的原因。 建立成功的AI / ML模型有3个方面:**算法,数据和计算。**虽然建立准确的算法和计原创 2020-06-13 15:51:50 · 7379 阅读 · 23 评论 -
深度学习中的激活函数一览
激活函数概念所谓激活函数(Activation Function),就是在人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端。什么是激活函数激活函数(Activation functions)对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。如图1,在神经元中,输入的 inputs 通过加权,求和后,还被作用了一个函数,这个函数就是激活函数。引入激活函数是为了增 加神经网络模型的非线性。没有激活函数的每层都相当于矩阵相乘。就原创 2020-06-11 22:22:58 · 1466 阅读 · 23 评论 -
k-近邻算法实现数字识别
缘起一次数据结构大作业:见下图(总觉得数据结构课是课上教造螺丝,上机造火箭)也就是那时候入手Python的机器学习部分啦,喏就是这本红皮书总体来说这本书是不错的,对于算法的原理概述的比较准确,就是实战的代码过于简略,入门机器学习的话还是值得一看的进入正题,由于大一一年都在和黑乎乎的终端打交道,感觉c系语言用久了想换一下,就花几天上手了机器学习的KNN算法,着手做一个有关数字识...原创 2019-12-07 20:55:07 · 312 阅读 · 0 评论