机器学习
文章平均质量分 92
xindoo
10年技术博主,博客专家,曾就职于阿里 小米,目前任贝壳资深工程师。拥有运维、搜索广告、后端业务相关工作经验,擅长Java、Lniux、Redis……
展开
-
Stanford 机器学习练习 Part 1 Linear Regression
warmUpExercise.mfunction A = warmUpExercise()%WARMUPEXERCISE Example function in octave% A = WARMUPEXERCISE() is an example function that returns the 5x5 identity matrix A = [];% =============原创 2014-07-12 20:05:04 · 2592 阅读 · 0 评论 -
python tsfresh特征中文详解
tsfresh是开源的提取时序数据特征的python包,能够提取出超过64种特征,堪称提取时序特征的瑞士军刀。最近有需求,所以一直在看,目前还没有中文文档, 有些特征含义还是很难懂的,我把我已经看懂的一部分放这,没看懂的我只写了标题,待我看懂我添加注解。 tsfresh.feature_extraction.feature_calculators.abs_energy(x)时间序列的平原创 2018-01-26 22:34:18 · 31565 阅读 · 13 评论 -
强大的矩阵奇异值分解(SVD)及其应用
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy前言: 上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去转载 2017-09-17 23:58:05 · 2218 阅读 · 1 评论 -
最小二乘法的极大似然解释
最开始学习机器学习的时候,首先遇到的就是回归算法,回归算法里最最重要的就是最小二乘法,为什么损失函数要用平方和,而且还得是最小?仔细想想最小二乘法视乎很合理,但是合理在哪,怎么用数学方法来证明它合理。 J(θ)=12∑i=1m(hθ(x(i))−y(i))2J(\theta) = \frac{1}{2}\sum_{i=1}^m(h_\theta(x^{(i)}) - y^{(i)})^2原创 2017-09-16 16:30:39 · 3653 阅读 · 1 评论 -
使用反向传播算法(back propagation)训练多层神经网络
本文翻译自http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html,大概介绍下反向传播的基本原理。 本文旨在描述反向传播算法在多层神经网络训练中的过程,为了直观描述此过程,我们用到了包含两个输入和一个输出的三层神经网络,如下图所示: 每个神经元由两个单元组成。第一单元把权重和输入信号的积相加,第二单元是被称为神经元激活函翻译 2017-07-21 00:04:07 · 8310 阅读 · 0 评论 -
sklearn 朴素贝叶斯
朴素贝叶斯是基于贝叶斯理论的一种无监督学习算法,『朴素』意思是假设所有特征两两相互独立,给出类别y和一组依赖特征[x1..xn],根据贝叶斯理论,他们有如下的关系。 P(y|x1,...xn)=P(y)P(x1,...xn|y)P(x1,...xn)P(y|x_1,...x_n) = \frac{P(y)P(x_1,...x_n|y)}{P(x_1,...x_n)} 根据贝叶斯独立性假设翻译 2017-03-26 11:42:50 · 1873 阅读 · 0 评论 -
机器学习算法——线性回归
机器学习线性回归原创 2017-01-20 09:15:46 · 2037 阅读 · 0 评论 -
Stanford 机器学习练习 Part 3 Neural Networks: Representation
lrCostFunction.mfunction [J, grad] = lrCostFunction(theta, X, y, lambda)%LRCOSTFUNCTION Compute cost and gradient for logistic regression with %regularization% J = LRCOSTFUNCTION(theta, X, y, l原创 2014-07-29 19:17:48 · 2063 阅读 · 0 评论 -
用fbprophet预测北京未来一个月的气温
fbprophet是facebook开源的时序数据预测包,提供了简洁的python和R api,可以对时序数据做一些预测,也提供了有些简单的趋势分析。更多细节可以看下官方文档。官方doc中给了一个数据集作为prophet的入门,这里我也只是按照官方的入门文档编写了的代码,很简单,只是把数据集换成了北京这8年来的每日温度数据,温度数我从网上爬取的,爬虫源码和数据可以从我github上找到。# -*......原创 2019-01-07 20:57:29 · 5265 阅读 · 1 评论