Machine Learning
Dazza Lark
这个作者很懒,什么都没留下…
展开
-
统计学习方法 | 工具包及常用函数笔记 [持续更新]
科学计算 NumPy pi = π sin() poly1d(c_or_r, r=False, variable=None) poly1d([1,2,3]) = $ 1x^2 + 2x^1 + 3x^0 $ linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0) 生成均匀分布的点 random.normal(loc=0.0, scale=1.0, size=None) 生成正态分布随机数 appe原创 2020-07-31 18:06:05 · 118 阅读 · 0 评论 -
统计学习方法 | 第4章 朴素贝叶斯
第4章 朴素贝叶斯 《统计学习方法》Python代码实现 【转载自Github开源项目】https://github.com/fengdu78/lihang-code 1.朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布 P(X,Y)P(X,Y)P(X,Y),然后求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X)。具体来说,利用训练数据学习P(X∣Y)P(X|Y)P(X∣Y)和P(Y)P(Y)P(Y)的估计,得到联合概率分布: P(X,Y)=P(Y)P(X∣Y)P(X,Y转载 2020-07-21 17:37:35 · 126 阅读 · 0 评论 -
统计学习方法 | 第3章 k近邻法
第3章 k近邻法 《统计学习方法》Python代码实现 【转载自Github开源项目】https://github.com/fengdu78/lihang-code 1.kkk近邻法是基本且简单的分类与回归方法。kkk近邻法的基本做法是:对给定的训练实例点和输入实例点,首先确定输入实例点的kkk个最近邻训练实例点,然后利用这kkk个训练实例点的类的多数来预测输入实例点的类。 2.kkk近邻模型对应于基于训练数据集对特征空间的一个划分。kkk近邻法中,当训练集、距离度量、kkk值及分类决策规则确转载 2020-07-21 17:34:01 · 157 阅读 · 0 评论 -
统计学习方法 | 第2章 感知机
第2章 感知机 【转载自Github开源项目】https://github.com/fengdu78/lihang-code 1.感知机是根据输入实例的特征向量xxx对其进行二类分类的线性分类模型: f(x)=sign(w⋅x+b) f(x)=\operatorname{sign}(w \cdot x+b) f(x)=sign(w⋅x+b) 感知机模型对应于输入空间(特征空间)中的分离超平面w⋅x+b=0w \cdot x+b=0w⋅x+b=0。 2.感知机学习的策略是极小化损失函数: mi转载 2020-07-21 17:21:27 · 143 阅读 · 0 评论 -
统计学习方法 | 第1章 统计学习方法概论
第1章 统计学习方法概论 【转载自Github开源项目】https://github.com/fengdu78/lihang-code 1.统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行分析与预测的一门学科。统计学习包括监督学习、非监督学习、半监督学习和强化学习。 2.统计学习方法三要素——模型、策略、算法,对理解统计学习方法起到提纲挈领的作用。 3.本书主要讨论监督学习,监督学习可以概括如下:从给定有限的训练数据出发, 假设数据是独立同分布的,而且假设模型属于某个假设空间,转载 2020-07-21 17:05:06 · 119 阅读 · 0 评论 -
统计学习方法 | 第7章 支持向量机
第7章 支持向量机 【转载自Github开源项目】https://github.com/fengdu78/lihang-code 1.支持向量机最简单的情况是线性可分支持向量机,或硬间隔支持向量机。构建它的条件是训练数据线性可分。其学习策略是最大间隔法。可以表示为凸二次规划问题,其原始最优化问题为 minw,b12∥w∥2\min _{w, b} \frac{1}{2}\|w\|^{2}w,bmin21∥w∥2 s.t.yi(w⋅xi+b)−1⩾0,i=1,2,⋯ ,Ns.t. \qua转载 2020-07-21 16:42:04 · 159 阅读 · 0 评论