- 博客(5)
- 收藏
- 关注
原创 西瓜书笔记 神经网络 5.1-5.3
5.1 神经元模型一组输入向量(x1,x2,x3…xn) 通过与各自对应的权值相乘(w1,w2,w3…wn)到达神经元,求和后的总输入值与阈值相比较,再通过 “激活函数” (activation function) 处理以产生神经元的输出。5.2 感知机(perceptron)由两层神经元(输入层,输出层)组成,输入层接受输入信号,输出层输出经由各输入与对应权值相乘后并求和的总值,可用于训练与或非等线性可分问题。如图5.4(a)-©要解决非线性可分问题可考虑使用多层神经网络:每层神经元与下
2021-07-25 23:28:35
380
2
转载 西瓜书笔记4.1-4.2
决策树:通过一层层的属性判定,对当前判定数据进行分类的一种机器学习方法。决策树的构造:决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得各个子数据集有一个最好的分类的过程。这一过程对应着对特征空间的划分,也对应着决策树的构建。1) 开始:构建根节点,将所有训练数据都放在根节点,选择一个最优特征,按着这一特征将训练数据集分割成子集,使得各个子集有一个在当前条件下最好的分类。2) 如果这些子集已经能够被基本正确分类,那么构建叶节点,并将这些子集分到所对应的叶节点去。
2021-07-22 23:09:17
224
原创 西瓜书学习笔记(第一章)
基本术语数据集(data set): 所有数据的集合。样本(sample): 描述某个事件或对象的记录属性(attribute): 事件或对象的某个性质属性值(attribute value): 性质的取值属性空间(attribute space): 性质所有取值的集合特征向量(feature vector): 由多个性质组成的一条记录训练数据(training data): 训练过程中使用的数据训练样本(training sample): 训练数据中的每一条记录训练集(training.
2021-07-13 20:27:31
98
转载 偏度和峰度
https://support.minitab.com/zh-cn/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/data-concepts/how-skewness-and-kurtosis-affect-your-distribution/https://www.cnblogs.com/wyy1480/p/10474046.html
2021-07-12 11:51:00
174
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