读书笔记
文章平均质量分 93
声声慢z
这个作者很懒,什么都没留下…
展开
-
无监督学习-机器学习
无监督学习基本概念监督学习与无监督学习聚类k-均值聚类k-均值算法关于聚类的k值选择关于聚类的初始划分关于聚类的距离计算关于聚类的终止条件举例k-均值算法的硬盘版本k-均值算法的优势与劣势k-均值算法总结聚类的表示聚类的一般表示方法层次聚类层次聚类的两种方法例子两个聚类之间的距离计算单链接方法全连接方法平均链接方法聚类中心方法复杂度距离函数混淆矩阵对称布尔属性举例非对称布尔属性数据标准化范围标准化z-score标准化基本概念监督学习与无监督学习监督学习: 发现数据属性和类别属性之间的关联模式,然后构建原创 2022-01-04 20:18:44 · 755 阅读 · 0 评论 -
线性分类器-机器学习
线性分类器二分类问题线性判别函数线性分类器设计的主要步骤分类决策问题多类决策问题一对其余一对一二分类问题直接假设判别函数具有某种形式,然后利用样本集确定出判别函数中的未知参数。????(????)的具体形式需根据样本集在模式空间中的分布情况或相关领域的专业知识来确定。本章研究????(????)为线性函数时,分类器参数的估计问题。基于样本的直接确定判别函数方法:如何估计这些未知参数?(1)应针对不同的实际情况,提出不同的设计要求,使得所设计的分类器尽可能好地满足这些要求。(2) 由于所提要原创 2022-01-04 14:25:09 · 1767 阅读 · 0 评论 -
特征选择-机器学习
特征选择基本概念特征选择如何进行特征选择子集搜索前向搜索后向搜索双向搜索子集评价基于评价准则划分特征选择方法过滤式选择包裹式选择嵌入式选择基本概念特征选择和提取的目的:经过选择或变换,组成识别特征,尽可能保留分类信息,在保证一定分类精度的前提下,减少特征维数,使分类器的工作既快又准。基本任务:如何从许多特征中找出那些最有效的特征。特征的类别:物理的、结构的、数学的三类。物理和结构特征:容易被人类感知器官发现,但是在使用计算机去构造识别系统时应用这些特征比较复杂。数学特征:计算机在抽取数学特征方原创 2022-01-03 21:03:10 · 980 阅读 · 0 评论 -
遗传算法-机器学习
遗传算法演化学习基础知识演化算法分类演化算法通用流程遗传算法遗传算法概念算法例子表示假设遗传算子交叉操作变异操作适应度函数和假设选择再次举例总结假设空间搜索遗传算法的优点遗传算法的缺点演化学习基础知识演化学习基于演化算法提供的优化工具设计机器学习算法。演化算法: 或称“进化算法”,它是一个“算法簇”,其灵感都来自于大自然的生物进化。演化算法有很多的版本,比如,有不同的遗传基因表达方式,不同的交叉和变异算子,以及不同的再生和选择方法,与传统的优化算法相比, 演化算法的特点在于:具有高鲁棒性和广泛适原创 2022-01-03 19:37:38 · 1276 阅读 · 0 评论 -
基于实例的学习-机器学习
基于实例的学习k-近邻法算法距离加权最近邻算法对k-近邻算法的说明术语注解局部加权回归局部加权线性回归径向基函数对消极学习和积极学习的评论差异k-近邻法这个算法假定所有的实例对应于 n 维欧氏空间ℜnℜ^nℜn 中的点。一个实例的最近邻是根据标准欧氏距离定义的。更精确地讲,把任意的实例 x 表示为下面的特征向量:<a1(x),a2(x),…,an(x)><a_1(x), a_2(x), \dots ,a_n(x)><a1(x),a2(x),…,an(x)>那原创 2022-01-03 16:25:23 · 622 阅读 · 0 评论 -
神经网络-机器学习
神经网络( Artificial Neural Networks——ANNs)神经网络表示适合神经网络学习的问题组成神经网络的主要单元感知器感知器的表征能力感知器训练法则delta法则多层网络和反向传播网络反向传播算法增加冲量项神经网络表示Pomerleau(1993)的 ALVINN 系统是 ANN 学习的一个典型实例,这个系统使用一个学习到的 ANN 以正常的速度在高速公路上驾驶汽车。 ANN 的输入是一个 30×32 像素的网格,像素的亮度来自一个安装在车辆上的前向摄像机。 ANN 的输出是车辆行原创 2022-01-01 16:49:00 · 590 阅读 · 0 评论 -
决策树-机器学习
决策树介绍特征变量选择信息量信息熵信息增益ID3算法避免过拟合介绍决策树:决策树学习就是学习用来作决策的树。决策树学习是一种逼近离散值目标函数的方法,学习到的函数被表示为一棵决策树。一棵决策树一般包含一个根结点、若干个内部结点和若干个叶子结点。叶子结点:对应于决策结果。内部节点:每个内部结点对应于一个属性测试,每个内部结点包含的样本集合根据属性测试的结果被划分到它的儿子结点中。分类:决策树模型的三个关键过程:(1)特征变量的选择,通过信息增益等方法来选择合适的分裂变量。(2)原创 2021-12-28 22:31:57 · 966 阅读 · 0 评论 -
概念学习—机器学习
概念学习介绍概念学习假设的一般到特殊序Find-S 寻找极大特殊假设变型空间和候选消除算法表示更简明的表示关于变型空间和候选消除的说明候选消除算法是否会收敛到正确的假设归纳偏置介绍定义:概念学习是指从有关某个布尔函数的输入输出训练样例中,推断出该布尔函数。其结果是布尔函数,即true or false。每个概念可被看作一个对象或事件集合,它是从更大的集合中选取的子集(如从动物的集合中选取鸟类)每个属性值可使用的符号:由“?”表示任意值明确指定的属性值(如 AirTemp=Warm)原创 2021-12-28 21:20:26 · 1727 阅读 · 1 评论 -
[王道考研]计算机网络-网络层
计算机网络-网络层网络层功能概述数据交换方式电路交换报文交换分组交换三种交换方式比较总结数据报方式&虚电路方式几种传输单元名词辨析数据报(internet在使用)虚电路IP数据报格式TCP/IP协议栈IP数据报格式IP数据报分片IPv4地址网络层功能概述主要任务是把分组从源端传到目的端,为分组交换网上的不同主机提供通信服务。网络层传输单位是数据报。数据报是比较长的数据,分组是将数据进行分割后的一个小片段。功能:路由选择与分组转发选择最佳路径异构网络互联手机,电脑通过路由器来实现原创 2021-11-30 11:59:37 · 2021 阅读 · 0 评论 -
贝叶斯学习笔记-机器学习
贝叶斯学习笔记第一节基本概念/定义贝叶斯公式极大似然归一基本公式第一节基本概念/定义h:假设; D:训练数据P(h)假设h的先验概率,P(D)D的先验概率,即D出现的概率P(D|h)假设h成立观察到D的概率。以上都是先验概率,个人对先验概率这一名词的理解:就是已知的可以求出来的。P(h|D)被称为 h 的后验概率,反映了在看到训练数据 D 后 h 成立的置信度。贝叶斯公式P(h∣D)=P(D∣h)P(h)P(D)(1.1)P(h|D) = \dfrac{P(D|h)P(h)}{P(D)}原创 2021-11-27 17:09:59 · 613 阅读 · 0 评论