![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
水花
酷爱数据科学,擅长Python,希望有志同道合的朋友一起交流学习!
展开
-
【机器学习】05-SVM学习笔记
相关词汇最大间隔核函数(高斯核,线性核写在前面的话为什么我们要使用SVM,SVM有什么作用?SVM简单来讲,就是降维。如果你说出这句话,别人给你一个白眼,问你什么是降维,降维的本质是什么?这些答案我们需要一个一个去回答SVM算法原理SVM学习的基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面。如下图所示, y=wx+b=0y=wx+b=0y=wx+b=0即为分离超平面,...原创 2020-05-01 23:07:19 · 714 阅读 · 0 评论 -
【高斯分布】01-极大似然估计
高斯分布输入数据:X=(x1,x2,...,xn)T=(x1Tx2T...xnT)X=(x_1,x_2,...,x_n)^T=\begin{pmatrix}x_1^T\\x_2^T\\... \\x_n^T\\\end{pmatrix}X=(x1,x2,...,xn)T=⎝⎜⎜⎛x1Tx2T...xnT⎠⎟⎟⎞xi∈Rp,xi ∼iid N(μ,...原创 2020-04-30 11:39:48 · 4575 阅读 · 0 评论 -
【机器学习】04-条件随机场(CRF)学习笔记
相关词汇EMHMMHEMM维比特算法原创 2020-04-29 21:46:21 · 364 阅读 · 0 评论 -
【机器学习】03-EM算法学习笔记
极大似然估计假设有两枚硬币A和B,每次选一个硬币来抛10次。现在已经进行了5轮(也就是选了5次硬币,并分别抛了10次)结果如下(H表示正面,T表示反面):假定随机抛掷后正面朝上概率分别为PA,PB。为了估计这两个硬币朝上的概率,咱们轮流抛硬币A和B,每一轮都连续抛5次,总共5轮:硬币结果统计A正正反正反3正-2反B反反正正反2正-3反A正反反反反...原创 2020-04-26 21:28:52 · 291 阅读 · 0 评论 -
【机器学习】02-朴素贝叶斯学习笔记
1. 朴素贝叶斯的理论基础朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。1.1 贝叶斯定理先看什么是条件概率。P(A∣B)P(A|B)P(A∣B)表示事件B已经发生的前提下,事件A发生的概率,叫做事件B发生下事件A的条件概率。其基本求解公式为:P(A∣B)=P(AB)P(B)P(A∣B)=P(AB)P(B)P(A|B)=P(AB)P(B)P(A|B)=P(AB)P(B)P...原创 2020-04-23 21:55:51 · 376 阅读 · 0 评论 -
【机器学习】01-线性回归学习笔记
引言例子:房价预测属于有监督学习从给定输入和输出的训练即中学习输入和输出之间的映射函数,然后利用该映射函数预测出测试样本的输出值,其中训练集中的每个样本都由输入和对应的输出(也称之为label)组成(labeld data)回归(Regression)——预测的目标值是数值型,连续变量分类(Classification)——预测的目标值是离散的01 回归与线性回归(Line...原创 2020-04-20 22:13:36 · 828 阅读 · 0 评论 -
XGBoost的原理和实战
Prerequisite: CART回归树CART回归树是假设树为二叉树,通过不断将特征进行分裂。比如当前树节点是基于j个特征值进行分裂的,设该特征值小于s的样本划分为左子树,大于s的样本划分为右子树。R1(j,s)={x∣xj≤s}andR2(j,s)R_1(j,s) = \{x|x^{j} \leq s\} and R_2(j,s) R1(j,s)={x∣xj≤s}andR2(j,s)...转载 2020-04-03 23:28:36 · 423 阅读 · 0 评论 -
可解释性机器学习
可解释性机器学习地址:原书-英文版中文翻译版-更新中机器学习对于改进产品、过程和研究有很大的潜力。但是计算机通常不能解释他们的预测,这是机器学习的一个障碍。这本书是关于使机器学习模型和它们的决策可解释。在探索了可解释性的概念之后,您将学习简单的、可解释的模型,如决策树、决策规则和线性回归。后面几章重点介绍了解释黑箱模型的一般模型不可知论方法,如特征重要性和累积局部效应,以及用沙普利值(...原创 2020-04-03 12:29:23 · 616 阅读 · 0 评论 -
常用激活函数总结
学习神经网络的时候我们总是听到激活函数这个词,而且很多资料都会提到常用的激活函数,比如Sigmoid函数、tanh函数、Relu函数。那么我们就来详细了解下激活函数方方面面的知识转载 2020-03-23 17:37:58 · 1039 阅读 · 0 评论