机器学习
TTyb
这个作者很懒,什么都没留下…
展开
-
【机器学习】算法原理详细推导与实现(七):决策树算法
【机器学习】算法原理详细推导与实现(七):决策树算法在之前的文章中,对于介绍的分类算法有逻辑回归算法和朴素贝叶斯算法,这类算法都是二分类的分类器,但是往往只实际问题中yyy不仅仅只有{0,1}\{0,1\}{0,1},当出现一个新的类别y=2y=2y=2时,之前的分类器就不太适用,这里就要介绍一个叫做决策树的新算法,该算法对于多个目标的离散特征往往有比较好的分类效果,用以解决xxx是离散型的数据,这是判别模型,也是一个生成学习算法。ID3决策树熵假设当前网上有很多机器学习的教程,我想学机器学习,但是原创 2020-08-22 08:28:25 · 368 阅读 · 0 评论 -
【机器学习】算法原理详细推导与实现(六):k-means算法
【机器学习】算法原理详细推导与实现(六):k-means算法之前几个章节都是介绍有监督学习,这个章解介绍无监督学习,这是一个被称为k-means的聚类算法,也叫做k均值聚类算法。聚类算法在讲监督学习的时候,通常会画这样一张图:这时候需要用logistic回归或者SVM将这些数据分成正负两类,这个过程称之为监督学习,是因为对于每一个训练样本都给出了正确的类标签。在无监督学习中,经常会研究...原创 2020-02-23 09:58:04 · 1621 阅读 · 0 评论 -
【机器学习】算法原理详细推导与实现(五):支持向量机(下)
【机器学习】算法原理详细推导与实现(五):支持向量机(下)上一章节介绍了支持向量机的生成和求解方式,能够根据训练集依次得出ω\omegaω、bbb的计算方式,但是如何求解需要用到核函数,将在这一章详细推导实现。核函数在讲核函数之前,要对上一章节得到的结果列举出来。之前需要优化的凸函数为:minγ,ω,b−>12∣∣ω∣∣2min_{\gamma,\omega,b}->\fra...原创 2020-02-07 12:15:29 · 170 阅读 · 0 评论 -
【机器学习】算法原理详细推导与实现(四):支持向量机(上)
【机器学习】算法原理详细推导与实现(四):支持向量机(上)在之前的文章中,包括线性回归和逻辑回归,都是以线性分界线进行分割划分种类的。而本次介绍一种很强的分类器【支持向量机】,它适用于线性和非线性分界线的分类方法。函数间隔概念为了更好的理解非线性分界线,区别两种分界线对于分类的直观理解,第一种直观理解需要考虑 logistic 回归,我们用一个 logistic 回归函数表示当 y=1y=1...原创 2020-02-05 16:52:59 · 323 阅读 · 0 评论 -
【机器学习】算法原理详细推导与实现(一):线性回归
【机器学习】算法原理详细推导与实现(一):线性回归今天我们这里要讲第一个有监督学习算法,他可以用于一个回归任务,这个算法叫做 线性回归房价预测假设存在如下 m 组房价数据:面积(m^2)价格(万元)82.3519365.00213114.2025575.0812875.84223……通过上面的数据,可以做出如下一个图。横坐...原创 2019-06-13 10:50:27 · 222 阅读 · 0 评论 -
【机器学习】算法原理详细推导与实现(二):逻辑回归
【机器学习】算法原理详细推导与实现(二):逻辑回归在上一篇算法中,线性回归实际上是 连续型 的结果,即 y∈Ry\in Ry∈R ,而逻辑回归的 yyy 是离散型,只能取两个值 y∈{0,1}y\in \{0,1\}y∈{0,1},这可以用来处理一些分类的问题。logistic函数我们可能会遇到一些分类问题,例如想要划分 鸢尾花 的种类,尝试基于一些特征来判断鸢尾花的品种,或者判断上一篇文章...原创 2019-06-25 10:18:14 · 147 阅读 · 0 评论 -
【机器学习】算法原理详细推导与实现(三):朴素贝叶斯
【机器学习】算法原理详细推导与实现(三):朴素贝叶斯在上一篇算法中,逻辑回归作为一种二分类的分类器,一般的回归模型也是是判别模型,也就根据特征值来求结果概率。形式化表示为 p(y∣x;θ)p(y|x;\theta)p(y∣x;θ),在参数 θ\thetaθ 确定的情况下,求解条件概率 p(y∣x)p(y|x)p(y∣x) 。通俗的解释为:在给定特定特征后预测结果出现的概率。逻辑回归的 yyy 是...原创 2019-07-04 14:30:39 · 242 阅读 · 0 评论