- 博客(6)
- 收藏
- 关注
RSS订阅转载 神经网络
目录：1、神经元模型2、神经元结构1、神经元模型神经元模型的使用可以这样理解：（1）我们有一个数据，称之为样本。样本有四个属性，其中三个属性已知，一个属性未知。我们需要做的就是通过三个已知属性预测未知属性。 （2）具体办法就是使用神经元的公式进行计算。三个已知属性的值是a1，a2，a3，未知属性的值是z。z可以通过公式计算出来。 （3）这里，已知的属性称之为特征，未知的属性称之为...
2019-04-06 17:47:03
271
原创 决策树
1、特点（1）非参数学习算法（2）可以解决分类问题（3）天然可以解决多分类问题（4）也可以解决回归问题（5）非常好的可解释性2、如何构建决策树：信息熵（1）熵：在信息论中代表随机变量不确定度的度量。（2）熵越大，数据的不确定性越高；熵越小，数据的不确定性越低。（3）信息熵：3、信息增益（ID3）：代表了在一个条件下，信息不确定性减少的程度。4、信息增益率（C4.5）：代表了...
2019-04-06 17:20:29
111
原创 K近邻算法
1、特点（1）思想极度简单（2）应用数学知识少（3）效果好（4）可以解释机器学习算法使用过程中的很多细节问题（5）更完整的刻画机器学习应用的流程2、欧拉距离：曼哈顿距离：明可夫斯基距离（p是一个超参数）：3、（1）K近邻算法是非常特殊的，可以被认为是没有模型的算法。（2）为了和其他算法统一，可以认为训练数据集就是模型本身。4、分类的准确度：accuracy5、（1...
2019-04-06 16:42:19
137
原创 逻辑回归算法
一、逻辑回归算法1、逻辑回归模型（1）逻辑回归既可以看做是回归算法，也可以看做是分类算法，通常作为分类算法使用，只可以解决分类问题。（2）模型：（2）Sigmoid函数：值域（0,1）；t=0时，p=0.5在这里插入代码片代码import numpy as npimport matplotlib.pyplot as pltdef sigmoid(t): return...
2019-04-06 16:30:55
213
原创 线性回归算法（涉及最小二乘法、梯度下降法）
一、简单线性回归算法1、优点：（1）解决回归问题（2）思想简单，实现容易（3）许多强大的非线性模型的基础（4）结果具有很好的可解释性（5）蕴含机器学习中的很多重要思想2、什么是线性回归（1）寻找一条直线，最大程度地拟合样本特征和样本输出标记之间的关系（2）样本特征只有一个称为简单线性回归（3）样本特征有多个称为多元线性回归3、目标（1）真值：（2）预测值：（3）目标...
2019-03-30 10:30:24
1131
原创 《深入浅出数据分析》读书笔记
寒假看了一本数据分析的启蒙书籍叫《深入浅出数据分析》，这本书插图很多，主要是通过举实际例子来介绍数据分析的各种方法，非常通俗易懂。下面分享当时的读书笔记（内容不多，觉得重要的才记下来~）。第一章 数据分析引言：分解数据1、数据分析的固定基本流程：确定—>分解—>评估—>决策确定：第一步是了解问题（从你的客户了解）再确定问题。分解：分解问题和数据使其成为更小的组...
2019-02-19 23:57:37
1005
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人