机器学习
文章平均质量分 65
机器学习算法的一些归纳、记录。
米竹
这个作者很懒,什么都没留下…
展开
-
Numpy 中的矩阵求逆
1. 矩阵求逆import numpy as npa = np.array([[1, 2], [3, 4]]) # 初始化一个非奇异矩阵print(a.I) print(np.linalg.inv(a)) #与上一步等同,对应于MATLAB中 inv() 函数2. 矩阵求伪逆import numpy as np# 定义一个奇异阵 AA = np.zeros((4,...原创 2019-02-01 12:37:02 · 175135 阅读 · 2 评论 -
K-Means 概要及其实现
本文先整体介绍 K-Means 算法的原理及特点,然后从模型、策略、算法三个要素切入介绍这个聚类算法,紧接着讲了几点 K-Means 算法缺点的解决方案;之后从 UDF和框架两方面给出 K-Means 在 Python 中的实现方法;最后引入一个实际案例进行实操。原创 2020-07-04 21:20:38 · 1122 阅读 · 0 评论 -
聚类方法概要
本文主要简单介绍聚类的本质思想、用途及分类。在最后给出各算法详细内容的链接。一、概要聚类算法是无监督学习中的典型算法。通过训练不带标签的原数据,根据样本的相似度或距离将其归类,总结每一类的基本特征,从而了解实质。聚类本质是统计描述方法,建立建设,而非验证假设。用一句古语来说,就是“物以类聚,人以群分”。聚类的核心概念是相似度或距离,因为相似度或距离将直接影响聚类的结果,所以其选择会是聚类的根本问题,具体的选择取决于应用场景的特性。常用的相似度或距离:闵可夫斯基距离(简称闵氏距离,可以衍生原创 2020-07-03 22:19:16 · 560 阅读 · 0 评论 -
K近邻法及其实现
KNN(K-Nearest Neighbor) 算法是机器学习算法中最基础的算法之一,它既能用于分类,又能用于回归。有别于其他经典的机器学习算法,其没有显式的学习过程。模型:利用训练数据划分特征向量空间,其结果就是最终算法模型。基本思想是:任意 N 维输入向量对应于特征空间的一点,输出为该特征向量所对应的类别标签或者预测值。KNN 分类KNN 用于分类,其过程简单的说就是:输入需要预测...原创 2019-03-24 12:00:55 · 322 阅读 · 0 评论