- 博客(18)
- 收藏
- 关注
RSS订阅原创 chatgpt plus 会员插件中文简介
chatgpt plus 会员插件 截至（2023年5月19日）英文名名称翻译英文介绍中文介绍Tomorrow.io明天.ioPredicting, planning, and adapting to the weather forecast via contextualized chat-based insights.通过基于聊天的情境化见解预测、规划和适应天气预报。Trip.com携程Discover the ultimate travel companion
2023-05-19 09:53:33
5058
原创 机器学习入门-西瓜书总结笔记第十六章
西瓜书第十六章-强化学习一、任务与奖赏二、K-摇臂赌博机1.探索与利用2.ϵ\epsilonϵ-贪心3.Softmax三、有模型学习1.策略评估2.策略改进3.策略迭代与值迭代四、免模型学习1.蒙特卡罗强化学习2.时序差分学习一、任务与奖赏上图给出了强化学习的一个简单图示。强化学习任务通常用马尔可夫决策过程（Markov Decision Process，简称MDP）来描述：机器处于环境E中，状态空间为X，其中每个状态x∈Xx\in Xx∈X是机器感知到的环境的描述，如在种瓜任务上这就是当前瓜苗长势的
2022-05-16 16:47:50
603
原创 机器学习入门-西瓜书总结笔记第十五章
西瓜书第十五章-规则学习一、基本概念二、序贯覆盖三、剪枝优化四、一阶规则学习五、归纳逻辑程序设计1.最小一般泛化2.逆归结一、基本概念机器学习中的 “规则”（rule） 通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写为“若…，则…”形式的逻辑规则。“规则学习”（rule learning）是从训练数据中学习出一组能用于对未见示例进行判别的规则。形式化地看，一条规则形如⊕←f1∧f2∧⋯∧fL\oplus\leftarrow f_1\wedge f_2\wedge \cdots\
2022-05-14 11:02:38
1110
原创 机器学习入门-西瓜书总结笔记第十四章
西瓜书第十二章-概率图模型一、隐马尔可夫模型一、隐马尔可夫模型机器学习最重要的任务，是根据一些已观察到的证据（例如训练样本）来对感兴趣的未知变量（例如类别标记）进行估计和推测。概率模型（probabilistic） 提供了一种描述框架，将学习任务归结于计算变量的概率分布。在概率模型中，利用已知变量推测出来未知变量的分布称为“推断”（inference），其核心是如何基于可观测变量推测出未知变量的条件分布。具体来说，假定关心的变量集合为Y，可观测变量集合为O，其他变量集合为R，“生成式”（generat
2022-05-13 09:58:02
497
原创 机器学习入门-西瓜书总结笔记第十三章
西瓜书第十三章-半监督学习一、未标记样本二、生成式方法三、半监督SVM四、图半监督学习一、未标记样本形式化地看，有训练样本集Dl={(x1,y1),(x2,y2),⋯ ,(xl,yl)}D_l = \{(\pmb x_1,y_1),(\pmb x_2,y_2),\cdots,(\pmb x_l,y_l)\}Dl={(xxx1,y1),(xxx2,y2),⋯,(xxxl,yl)}，这lll个样本的类别标记已知，称为 “有标记”（labeled） 样本；此外，还有Du={xl+1,xl+2,
2022-04-26 16:00:19
708
原创 机器学习入门-西瓜书总结笔记第十二章
西瓜书第十二章-计算学习理论一、基础知识二、PAC学习三、有限假设空间1.可分情形一、基础知识计算学习理论（computational learning theory） 研究的是关于通过“计算”来进行“学习”的理论，即关于机器学习的理论基础，其目的是分析学习任务的困难本质，为学习算法提供理论保证，并根据分析结果指导算法设计。给定样例集D={(x1,y1),(x2,y2),⋯ ,(xm,ym),},xi∈XD = \{(\pmb x_1,y_1),(\pmb x_2,y_2),\cdots,(\pm
2022-04-21 14:25:56
1306
原创 机器学习入门-西瓜书总结笔记第十一章
西瓜书第十一章-特征选择与稀疏学习一、子集搜索与评价二、过滤式选择三、包裹式选择一、子集搜索与评价将属性称为 “特征”（feature） ，对当前学习任务有用的属性称为 “相关特征”（relevant feature）、没什么用的属性称为 “无关特征”（irrelevant feature）。从给定的特征集合中选择出相关特征子集的过程，称为 “特征选择”（feature selection）特征选择是一个重要的 “数据预处理”（data preprocessing） 过程为什么进行特征选择？
2022-04-18 16:49:57
1032
原创 机器学习入门-西瓜书总结笔记第十章
西瓜书第十章-降维与度量学习一、k近邻学习二、低维嵌入一、k近邻学习k近邻（k-Nearest Neighbor，简称kNN） 学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。通常，在分类任务中可使用“投票法”，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任务中可使用“平均法”，即将这k个样本的实值输出作为标记的平均值作为预测结果；还可基于距离远近进行加权平均或加权投票，距离越近
2022-04-12 14:24:47
761
原创 机器学习入门-西瓜书总结笔记第九章
西瓜书第七章-贝叶斯分类器前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as n
2022-04-11 13:11:50
1625
原创 机器学习入门-西瓜书总结笔记第八章
西瓜书第八章-集成学习一、个体与集成二、Boosting三、Bagging与随机森林1.Bagging2.随机森林四、结合策略1.平均法2.投票法3.学习法五、多样性1.误差-分歧分解2.多样性度量3.多样性增强总结一、个体与集成集成学习（ensemble learning） 通过构建并结合多个学习器来完成学习任务，有时称为 多分类器系统（multi-classifier system）、基于委员会的学习（committee-based learning）图中显示出集成学习的一般结构：先产生一组
2022-04-08 11:08:39
930
1
原创 机器学习入门-西瓜书总结笔记第七章
西瓜书第七章-贝叶斯分类器一、贝叶斯决策论二、极大似然估计三、朴素贝叶斯分类器四、半朴素贝叶斯分类器五、贝叶斯网（Bayesian network）1.结构2.学习3.推断六、EM算法总结一、贝叶斯决策论贝叶斯决策论（Bayesian decision theory） 是在概率论框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记假设有N种可能的类别标记，即y={c1,c2,⋯ ,cN}y=\{c_1,c_2,
2022-04-02 16:50:32
1753
原创 机器学习入门-西瓜书总结笔记第六章
西瓜书第六章-支持向量机一、间隔与支持向量一、间隔与支持向量里插入图片描述](https://img-blog.csdnimg.cn/0c7319e01b0a4d17bbc6a479ca79b84e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzQ1ODY3OTkw,size_8,color_FFFFFF,t_70,g_se,x_16#pic_center)粗实线这个划分超平
2022-04-02 08:53:22
825
原创 机器学习入门-西瓜书总结笔记第五章
西瓜书第五章-神经网络一、神经元模型二、感知机与多层网络三、误差逆传播算法四、全局最小与局部极小五、其他常见神经网络1.RBF网络2.ART网络3.SOM网络4.级联相关网络5.Elman网络6.Boltzmann机六、深度学习一、神经元模型神经网络（neural networks） 是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应神经元（neuron） 如果某神经元的电位超过了一个 “阈值”（threshold） ，那么它就会被激活，即
2022-03-30 13:27:47
2035
原创 机器学习入门-西瓜书总结笔记第四章
西瓜书第四章-决策树一、基本流程二、划分选择1.信息增益2.增益率3.基尼指数3.剪枝处理四、连续值与缺失值1.连续值处理2.缺失值处理五、多变量决策树提示：后续精简一、基本流程决策树（decision tree） 决策树是基于树结构来进行决策的一般的，一个决策树包含一个根节点、若干个内部节点和若干个叶节点；叶结点对应于决策结果，其他每个结点则对应于一个属性测试；每个结点包含的样本集合根据属性测试的结果被划分到子节点中；根结点包含样本全集决策树学习的目的是为了产生一颗泛化能力强，即处理未见示例
2022-03-29 13:20:48
544
原创 机器学习入门-西瓜书总结笔记第三章
西瓜书第三章-线性模型一、基本形式二、线性回归一、基本形式后续还要进行精简“线性模型”（linear model） 试图学得一个通过属性得线性组合来进行预测的函数f(x)=w1x1+w2x2+...+wdxd+b,f(x) = w_1x_1+w_2x_2+...+w_dx_d+b,f(x)=w1x1+w2x2+...+wdxd+b,向量形式f(x)=wTx+bf(\pmb x) = \pmb {w^Tx}+bf(xxx)=wTxwTxwTx+b其中 w=(w1;w2;.
2022-03-28 15:16:26
2076
原创 机器学习入门-西瓜书总结笔记第二章
西瓜书第二章-模型评估与选择前言一、经验误差与拟合二、评估方法1.留出法2.交叉验证法3.自主法4.调参与最终模型三、性能度量1.错误率与精度2.查准率、查全率与F1F1F13.ROC与AUC4.代价敏感错误率与代价曲线四、比较检验1.假设检验2.交叉验证t检验3.McNemar检验4.Friedman检验与Nemenyi后验检验五、偏差与方差总结前言`第一章主要是阅读性为主，通过西瓜案例引入机器学习概念，本章开始介绍机器学习模型评估内容一、经验误差与拟合**“错误率”（error rate）*
2022-03-25 15:25:32
2753
原创 机器学习入门-西瓜书总结笔记
西瓜书第一章-绪论First step引言+基本术语假设空间归纳偏好发展历程与应用现状First step对于西瓜书内容做总结笔记，以下都是个人总结，如果有错误欢迎指证。引言+基本术语“模型” （model） 从数据中产生“学习算法”（learning alogrithm） 从数据中产生模型的算法”数据集“（data set) 示例（instance）或样例（sample） 的集合“属性”（atrribute） 或 "特征”（feature） 反映事件或对象在某方面的表现或性质的事项“属
2022-03-23 12:00:36
4906
原创 深度学习VGG16模型vgg16_weights_tf_dim_ordering_tf_kernels.h5
深度学习VGG16模型vgg16_weights_tf_dim_ordering_tf_kernels.h5https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels.h5百度网盘下载链接：https://pan.baidu.com/s/1fDtb0Yml4SfNZkAhCCHjXw提取码：s95v...
2020-10-22 14:51:33
1149
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人