![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
wewinwe
这个作者很懒,什么都没留下…
展开
-
线性回归
线性回归1、什么是回归2、线性回归的概念3、线性回归的推导4、利用sklearn来实现线性回归1、什么是回归有监督机器学习中,回归表示对于输入的样本(sample)得到一个连续的y值。分类则得到一个离散的y值。举个简单的例子,一个女生示例(instance)他有3个特征,分别是身高(x1),脸型(x2),肤色(x3)。现在根据这三个特征来判断这个女孩的颜值得分Y。显然这是个连续的值,那么现在做...原创 2019-08-03 17:03:13 · 183 阅读 · 0 评论 -
梯度下降
梯度下降1 、基本概念2、批量梯度下降(BGD)3、随机梯度下降(SGD)4、小批量梯度下降(MBGD)1 、基本概念谈到梯度,童鞋们在学高数时见过,就表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。当然这是定义了。我们现在谈的梯度是酱紫的。见图1现在想求theta让他尽快到达底端,也就是函数导数为0的位置...原创 2019-08-04 19:31:51 · 1055 阅读 · 1 评论 -
归一化和正则化
归一化和正则化1、归一化1.1为什么要归一化1.2 如何进行归一化2、正则化2.1、为什么要进行正则化2.2 如何进行正则化惩罚1、归一化1.1为什么要归一化在做梯度下降的时候,我们用的数据集并不像前面给的数据集那么规范,很多时候不同特征的值之间相差还是很大的,举个简单的例子以收入和开销为特征,分析对幸福指数的影响。收入开销6000100072001300...原创 2019-08-05 15:11:30 · 3054 阅读 · 0 评论 -
SVM参数及人脸分类
SVM1、概念及参数调整2、人脸识别1、概念及参数调整1、构造数据集import numpy as npimport matplotlib.pyplot as pltfrom scipy import statsimport seaborn as snssns.set()from sklearn.datasets.samples_generator import make_blo...原创 2019-08-23 22:41:42 · 761 阅读 · 0 评论 -
聚类及图像压缩
聚类1、 K-means2、DBSCAN算法3、图像压缩1、 K-meansk-means叫做k均值算法,算法很简单,先随机选择k个样本作为均值向量,再计算样本到均值向量之间的距离,距离近的就将其划分的对应簇中,然后不断进行迭代更新,最终就会将样本聚成设定的簇,也就是k个簇。下面从sklearn的官方文档中找出的案例import numpy as npimport matplotlib...原创 2019-08-24 16:53:06 · 1321 阅读 · 1 评论 -
分析泰坦尼克号获救问题
逻辑回归分析泰坦尼克号获救问题1 代码2、输出结果C parameter: 0.01C parameter: 0.1C parameter: 1C parameter: 10C parameter: 1001 代码logistic regression.pyimport pandas as pddata = pd.read_csv("Titanic.csv")# print(date....原创 2019-08-21 23:32:56 · 332 阅读 · 0 评论 -
新闻分类问题
朴素贝叶斯实战1 代码2 输出结果1、词云2、精度1 代码import pandas as pd# 读取数据df_news = pd.read_table('./data/val.txt', names=['category', 'theme', 'URL', 'content'], encoding='utf-8')df_news = df_news.dropna()# print...原创 2019-08-22 23:24:02 · 1520 阅读 · 0 评论 -
简单神经网络
单层神经网络传播1、网络结构2、前向传播维度3 、反向传播4、代码6、结果分析1、网络结构本次测试使用的是mnist手写体识别用来训练的数据的维度是x_train = (784, batch_size), y_train = (10, batch_size)。用来测试的数据的维度是x_test = (784, batch_size), y_test = (10, batch_size)。...原创 2019-09-17 22:33:32 · 299 阅读 · 0 评论