彩笔吃瓜
文章平均质量分 89
不能为空,就离谱
up-to-star
我的垃圾桶https://up-to-star.top/
展开
-
支持向量机
间隔与支持向量在感知机中,对于线性可分的问题,得到的超平面是不唯一的,因此支持向量机的目标是找到一个距离正负样本都最远的超平面,解是唯一的,泛化性能最好。超平面在样本空间中,超平面可通过下面的线性方程描述:wTx+b=0w^Tx+b=0wTx+b=0超平面的特点:超平面方程不唯一法向量和位移项 确定一个唯一超平面法向量垂直于超平面(缩放时,若缩放倍数为负数会改变法向量方向)法向量指向的那一半空间为正空间,另一半为负空间任意点到超平面的距离公式为:∣wTx+b∣∣∣w∣∣\frac原创 2021-07-29 19:21:51 · 386 阅读 · 0 评论 -
神经网络初学
前言很早就听说了神经网络,上学期在一个老师那儿也了解了一些,但总感觉神经网络太难,不敢去学,这次跟着Datawhale组队学习,虽然模模糊糊也算入门了吧。。。。神经元模型在生物神经网络中,每个神经元与其他神经元相连,当神经元兴奋时,会向相连的神经元传递化学物质,改变神经元内的电位分布,当电位超过阈值时,就会被激活,向其他神经元传递信息。模拟生物神经元,机器学习抽象出了简单的模型。上图就是抽象的模型:M-P神经元模型。神经元收到来自其他n个神经元传递的输入信号,这些信号通过带权重的边进行传递,神原创 2021-07-23 15:40:02 · 356 阅读 · 1 评论 -
决策树
基本流程一棵决策树一般包含一个根结点、若干内部结点和若干叶结点。叶结点对应于决策结果,其他每个结点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结点中。在逻辑上,决策树对应一堆if else语句,决策树的生成过程是一个递归的过程,递归返回有:当前结点包含的样本全属于同一类别,无需划分;当前属性集为空,或是所有样本在所有属性上取值相同,无法划分;当前结点包含的样本集合为空,不能划分。最终目的是将样本越分越纯划分选择信息增益自信息在信息论中将自信息定义为:I(X)=−l原创 2021-07-22 11:12:06 · 86 阅读 · 0 评论 -
线性判别分析
线性判别分析(LDA)是一种经典的线性学习方法。其思想是:给定训练样例集,设法将样例投影到一条直线上,使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离。如图所示的二分类示意图:损失函数的推导投影后的关键:异类样本的中心点尽可能远;同类样本的方差尽可能小。给定数据集D={(xi,yi)}i=1mD=\{(x_i,y_i)\}^{m}_{i=1}D={(xi,yi)}i=1m,yi属于{0,1}y_i属于\{0,1\}yi属于{0,1},另Xi,μi,∑iX_i,\mu _i,\sum原创 2021-07-19 11:01:32 · 1418 阅读 · 0 评论 -
对数几率回归
机器学习中常见的任务就是回归和分类,线性回归得到一个连续的取值,而分类需要一个离散的取值,常见的二分类就是用1表示正分类,0表示负分类。因此,就想把得到的连续的值映射到离散的0和1上。最理想的就是“单位阶跃函数”y={0,z<00.5,z=01,z>0y=\left\{\begin{array}{cl}0, & z<0 \\0.5, & z=0 \\1, & z>0\end{array}\right.y=⎩⎨⎧0,0.5,1,z<0z原创 2021-07-17 12:45:10 · 160 阅读 · 0 评论 -
线性模型——线性回归
线性回归的基本形式给定由d个属性描述的示例x=(x1,x2,.....xd)x=(x_1,x_2,.....x_d)x=(x1,x2,.....xd),xi是x在第i个属性上的取值,线性模型试图学得一个通过属性的线性组合来进行预测的函数,即:f(x)=w1x1+w2x2+...+wdxd+bf(x)=w_1x_1+w_2x_2+...+w_dx_d+bf(x)=w1x1+w2x2+...+wdxd+b其实线性回归就是概率论中的线性回归,做物理试验时也经常用。一元线性回归就是输入的属原创 2021-07-16 09:55:02 · 570 阅读 · 0 评论 -
吃瓜——1、2章
1、绪论什么是机器学习机器学习是通过计算的手段利用经验来改善系统自身的性能,从数据中产生“模型”算法,即“学习算法”,然后根据模型进行预测。基本术语示例/样本:关于一个事件或对象的描述;也就是一个记录,多个记录构成了数据集。属性:反映事件或对象在某方面的表现或性质的事项,属性的取值称为属性值,属性张成的空间称为“属性空间”、“样本空间”或“输入空间”。把属性对应到坐标轴,那么对象的属性值就可以在坐标空间中用一个向量表示,因此也把一个示例称为一个特征向量。学习/训练:从数据中学得模型的原创 2021-07-13 15:03:14 · 189 阅读 · 0 评论