minojackson-CSDN博客

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 17:47:03 345

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 17:20:29 152

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：accuracy 5、（1...

2019-04-06 16:42:19 170

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 np import matplotlib.pyplot as plt def sigmoid(t): return...

2019-04-06 16:30:55 275

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 1241

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—&gt;分解—&gt;评估—&gt;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 1151