机器学习
HJ_彼岸
这个作者很懒,什么都没留下…
展开
-
机器学习实战笔记(一)KNN算法
用python学习机器学习的笔记,所有的代码和实例来源于《机器学习实战》一书。所有源代码和数据都可以在我的github上下载。1.机器学习基础机器学习可以分为监督学习和无监督学习,监督学习又可以分为分类和回归,之所以称之为监督学习,是因为这类算法必须知道预测什么,即目标变量的分类信息。与之相对的无监督学习分为聚类和密度估计,此时数据没有类别信息,也不会给定目标值。2.K-近邻算...原创 2018-04-24 10:56:35 · 1858 阅读 · 0 评论 -
机器学习实战笔记(二)决策树
决策树决策树是一种十分常用的分类方法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy=系统的凌乱程度,使用算法ID3,C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directe...原创 2018-05-03 22:57:20 · 1967 阅读 · 0 评论 -
机器学习实战笔记(三)朴素贝叶斯
朴素贝叶斯朴素贝叶斯是一种基于贝叶斯决策理论的分类方法。 我们用p1(x,y)表示数据点(x,y)属于类别1的概率,用p2(x,y)表示数据点(x,y)属于类别2的概率,那么对于一个新数据点(x,y),可以用下面的规则来判断它的类别:如果 p1(x,y) > p2(x,y),那么类别为1。如果 p2(x,y) > p1(x,y),那么类别为2。我们会选择高概率对应的...原创 2018-05-22 17:42:13 · 1059 阅读 · 2 评论 -
机器学习实战笔记(四)Logistic回归
Logistic回归假设现在有一些数据点,我们用一条直线对这些点进行拟合(这条直线称为最佳拟合直线),这个拟合过程就称作回归。利用Logistic回归进行分类的主要思想就是:根据现有的数据对分类边界线建立回归公式,以此进行分类。Logistic回归的特点 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高。 适用数据类型:数值型和标称型数据...原创 2018-05-28 17:20:01 · 519 阅读 · 0 评论 -
Tacotron2 论文 + 代码详解
1. 概述Tacotron2:一个完整神经网络语音合成方法。模型主要由三部分组成:声谱预测网络:一个引入注意力机制(attention)的基于循环的Seq2seq的特征预测网络,用于从输入的字符序列预测梅尔频谱的帧序列。声码器(vocoder):一个WaveNet的修订版,用预测的梅尔频谱帧序列来生成时域波形样本。中间连接层:使用低层次的声学表征-梅尔频率声谱图来衔接系统的两个部分。...原创 2019-04-30 15:45:41 · 23191 阅读 · 5 评论