机器学习
文章平均质量分 86
令仪.雅
脚踏实地,持之以恒。
展开
-
受限玻尔兹曼机(RBM)在Tensorflow的实现
受限玻尔兹曼机(RBM)与其在Tensorflow的实现转载 2022-08-22 16:09:54 · 883 阅读 · 0 评论 -
支持向量机通俗导论(理解SVM的三层境界)
这篇文章比之前自己推理SVM算法那篇讲解的更加细致,理解的更加透彻,作者也着实强大,特转载分享在此,同大家一起学习。前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的,原因很简单,一者这个东西本身就并不好懂,要深入学习和研究下去需花费不少时间和精力,二者这个东西也不好讲清楚,尽管网上已经有朋友写得不错了(见文末参考链接),但在描述数学公式的...转载 2019-04-12 17:16:28 · 1508 阅读 · 1 评论 -
机器学习中的PR曲线和ROC曲线
主要是我对周志华《机器学习》第二章模型估计与选择中一些内容的总结1.查准率、查全率和F1对于二分类问题,可将样例根据其真实类别与学习器预测类别的组合划分为真正例(TP),假反例(FN),假正例(FP),真反例(TN),具体分类结果如下 查准率P和查全率R分别定义为:查准率关心的是”预测出正例的正确率”即从正反例子中挑选出正例的问题。 查全率关心的是”预测出正例的保证性”即从正...转载 2018-12-27 20:15:43 · 865 阅读 · 0 评论 -
机器学习中的ROC和PR曲线以及代码实现
转自:https://blog.csdn.net/taoyanqi8932/article/details/54409314引言 在 21 Must-Know Data Science Interview Questions and Answers 的文章中,有这类似这样的问题,它问的是Explain what precision and recall are. How do they r...转载 2018-12-27 19:56:55 · 1615 阅读 · 0 评论 -
人工智能机器学习算法学习-支持向量机(SVM)算法推导
支持向量机(SVM)算法推导1.1 SVM要解决的问题SVM和逻辑回归类似,也是非常经典的二分类问题,也可以作多分类问题。现以二分类问题为例进行算法推导。支持向量机(SVM)要解决的问题:什么样的决策边界是最好的? 特征数据本身如果很难分,怎么处理? 计算复杂度怎么样?能实际应用么目标:基于上述问题对SVM进行推导假设有一个问题:如下图1-a所示,将两种不同颜色的...原创 2018-09-03 13:43:31 · 821 阅读 · 0 评论 -
【机器学习】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
在机器学习、数据挖掘、推荐系统完成建模之后,需要对模型的效果做评价。业内目前常常采用的评价指标有准确率(Precision)、召回率(Recall)、F值(F-Measure)等,下图是不同机器学习算法的评价指标。下文讲对其中某些指标做简要介绍。ps:很多资料上将精确度precision称为准确率,实际真正严格来讲,准确率和精确率是有区别的,周志华老师的书中称为查准率。Recall,周...原创 2018-12-26 19:53:37 · 21472 阅读 · 1 评论 -
ReLU激活函数:简单之美
导语在深度神经网络中,通常使用一种叫修正线性单元(Rectified linear unit,ReLU)作为神经元的激活函数。ReLU起源于神经科学的研究:2001年,Dayan、Abott从生物学角度模拟出了脑神经元接受信号更精确的激活模型,如下图:其中横轴是时间(ms),纵轴是神经元的放电速率(Firing Rate)。同年,Attwell等神经科学家通过研究大脑的能量消耗过程,推...转载 2018-12-06 16:54:37 · 788 阅读 · 0 评论 -
如何直观理解AUC评价指标?
导语最近一直在思考如何直观理解AUC,查了维基百科的以及网上的讲解描述,感觉仍然很难把这个概念表述得通俗易懂,直到昨天周会后拿笔在纸上画了画,感觉似乎找到了一种比较有意思的理解方法,下面就请各位看官容我慢慢道来。首先简单介绍一下什么是AUC。根据维基百科的描述,AUC(Area under the Curve of ROC)是ROC曲线下方的面积,是判断二分类预测模型优劣的标准。ROC(...转载 2018-12-06 16:33:04 · 1688 阅读 · 0 评论 -
【机器学习】信息量,信息熵,相对熵(KL散度),交叉熵
1.信息量 信息奠基人香农(Shannon)认为“信息是用来消除随机不确定性的东西”。也就是说衡量信息量大小就看这个信息消除不确定性的程度。“太阳从东方升起了”这条信息没有减少不确定性。因为太阳肯定从东面升起。这是句废话,信息量为0。 “吐鲁番下中雨了”(吐鲁番年平均降水量日仅6天)这条信息比较有价值,为什么呢,因为按统计来看吐鲁番明天不下雨的概率为98%(1-6/300),对...原创 2018-12-05 18:53:42 · 2535 阅读 · 0 评论