- 博客(7)
- 收藏
- 关注
RSS订阅原创 【机器学习之路】K-Means算法
K-Means是非常基础也是非常有效的一种聚类机器学习算法，即便过去数十年，它也有非常广泛的应用场景。从K-Means开始机器学习之路也是由于这算是我接触的第一个机器学习算法（自认为），由于我是自动化/控制专业的，其实很多机器学习方法我原来是没有接触过的，这也算是我的一个机器学习起点了，虽然讲的人很多啦，但是这个专栏的目的就是和大家一起学习啦，有什么说的不正确的地方还请大家批评指正！
2024-04-22 21:10:11
890
1
原创 基于最小二乘法的阶梯式双容水箱系统辨识
这个是本科时候做的一个小小课设（轻喷），不是很复杂，主要是利用最小二乘法、带遗忘因子的最小二乘法和增广最小二乘法来拟合阶梯式双容水箱水位与进水量之间的关系，在Simulink中建模，绘制了一个App Designer界面~最小二乘法是个有趣的方法，我记得初中的时候就提到了最小二乘法，那个时候针对一个拟合直线y=kx+by=kx+by=kx+b给出的公式是：k=∑xy−nxˉyˉ∑x2−nxˉ2k=\frac{\sum xy-n\bar{x}\bar{y}}{\sum x^2-n\bar{x}^2}k=∑x
2024-04-20 22:15:06
1052
原创 时间序列相似性分析：基于欧氏距离及其改进算法的学习
在时间序列的分析中，相似性度量在聚类和分类任务中都起到了重要的作用，从人眼直观角度评判数据的相似性，往往是通过数据的形状，或者说距离，本文将和大家一起学习时间序列的欧氏距离度量方法即快速计算方法。本文主要和大家一起讨论学习一下基于欧氏距离的时间序列相似性度量，虽然公式很简单，但是对于大量的数据来说需要很大的计算成本，因此后续也有许多学者研究怎么提高计算的速度，但是毕竟欧氏距离存在一些固有的限制，因此实际应用中，我们需要选择合适的方法来完成需要的任务。
2024-04-16 08:46:49
1835
原创 时间序列分类方法：ROCKET学习
ROCKET(RandOmConcolutionKErnelTransform)是一种利用随机卷积核来实现时间序列分类方法的算法，其核心思想就是随机卷积核的一切：尺寸、偏置量、是否填充、膨胀系数等等，通过大量的随机卷积核从数据中提取特征，利用类似池化的操作提取最大值和正例比例得到特征向量，结合线性分类器完成数据的分类任务。ROCKET是RandOmConcolutionKErnelTransform的缩写，不得不说名字取得很好，随机卷积核变换=火箭。
2024-04-11 16:40:44
1217
2
原创 时间序列分类方法：BOSSVS学习
BOSSVS(Bag-of-SFASymbols inVectorSpace)是一种将自然语言处理方法中TF-IDF应用到基于符号化傅里叶逼近(SFA)的词袋中的方法，是一种时间序列分类的方法。简单来说与之前讲的SAX-VSM有异曲同工之妙，不过这里的字符是通过离散傅里叶系数得到的。
2024-04-10 19:56:57
1054
1
原创 时间序列分析方法：离散傅里叶逼近
离散傅里叶逼近算法比较简单，文章主要就是捋了一下自己学习过程中的一些思考和总结，如果有什么错误烦请指出，也希望能和大家多多学习多多交流。
2024-04-09 19:51:17
936
3
原创 时间序列分类方法：SAX-VSM学习
SAX是一种通过将时间序列离散化后投影到字符的算法，简单来说，SAX利用分段聚合近似PAA将时间序列平均分为n个段，再将该段用平均值表示，根据正态分布的分位数将这些值映射为一个字符。VSM(VectorSpaceModel)的缩写，它是信息检索和自然语言处理领域中常用的一种模型。VSM 将文档表示为高维向量，每个维度代表一个特定的词语或术语，从而将文档转换为数值化的形式，便于计算机进行处理和分析。
2024-04-09 13:13:31
1404
3
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