深度学习
文章平均质量分 56
暂无
好乐day_
HELLO WORLD!
展开
-
机器学习—线性回归(linear regression)—二分类
机器学习—逻辑回归(logistic回归)—二分类逻辑回归作为监督学习的重要方法,使用逻辑回归做分类原创 2024-05-18 10:19:38 · 851 阅读 · 0 评论 -
L1, L2 正则化
L1, L2 正则化1.正则化的目的----防止过拟合。2.正则化的手段----约束需要优化参数的个数。1. L1 正则化R(w)=||w||=原创 2024-05-18 10:19:20 · 324 阅读 · 0 评论 -
MATLAB构建一些简单的人工数据集
1. 构建一个2维3类的数据集%高斯二维三类 1 3mul=[0,0]; % 均值S1=[.1 0;0 .1]; % 协方差data1=mvnrnd(mul, S1, 100); % 产生高斯分布数据% 第二组数据mu2=[1.25 1.25];S2=[.1 0;0 .1];data2=mvnrnd(mu2,S2,100);% % 第三组数据mu3=[-1.25;1.25]S3=[.1 0;0 .1]data3=mvnrnd(mu3,S3,100)% % 显示数据 plot(原创 2024-05-18 10:19:02 · 1447 阅读 · 0 评论 -
总结一些常见的FCM聚类有效性函数
常见的聚类有效性函数(内部指标)1. 仅基于隶属的聚类有效性函数(1) Bezdek定义的划分系数V_PC是用来度量集群之间的重叠, 划分系数的主要优点是简单,缺点是随着c的增加单调递减,与数据的本身的某一些属性没有直接关联。V_PC的值介于1/c和1之间,最大值表示聚类结果最有效。(2) Bezdek同样将划分熵V_PE是用来度量聚类划分的模糊性,该指数与V_PC相似Bezdek证明了对于所有概率集群分区。该有效性函数的缺点也是会随着c的增加单调递减,缺乏与数据结构的连接。因此计算出的最小值表示聚原创 2024-05-18 10:18:41 · 971 阅读 · 0 评论 -
FCM聚类算法(matlab编程)
FCM聚类算法(matlab编程)function [center, U, obj_fcn] = fcm(data, cluster_n, options)%FCM Data set clustering using fuzzy c-means clustering.%% [CENTER, U, OBJ_FCN] = FCM(DATA, N_CLUSTER) finds N_CLUSTER number of% clusters in the data set DATA. DATA is原创 2024-05-18 10:18:00 · 2176 阅读 · 0 评论 -
【计算机算法的构建策略】
就是将复杂的问题分解为多个简单的子问题,然后再将每一个子问题分解为更简单的子子问题。最后对子子问题求解,合并,得到原本复杂问题的解。当然复杂的问题规模比较大的时候,计算就起来就很慢了。并且分解出来的子问题之间要互相独立,且与原问题形式相同。适用条件:第一步:判断问题缩小到一定程度之后是否很容易解决;第二步:分解成的子问题是最优子问题,子问题是独立的,且子问题之间不包含公共子子问题;第三步:分解之后的子问题可以合并为该问题的解;一个分治法将规模为n的问题分成k个规模为n/m的子问题去解。原创 2023-03-15 20:18:44 · 222 阅读 · 0 评论 -
【可微编程(Differentiable Programming)】
传统的编程是程序员写出的一行行代码,然后机器按照代码运行指令,输入根据这个代码得到输出。可微编程相当于是用神经网络代替程序员的工作,自己生成编程语言,或者程序员只提供少量的high-level的代码。因此可微编程可以简单理解成是把神经网络看作一门,而不是一个机器学习方法,从而描述我们客观世界的概念以及概念之间的关系。转载 2023-03-15 14:08:55 · 296 阅读 · 0 评论