![](https://img-blog.csdnimg.cn/1835cabfc2024a57a27ea70ee4797e22.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 62
学习一些机器学习常见的算法
wresource
IT七剑客:互联网中的持剑者,持剑斩bug,长期维护,让bug不再。
展开
-
机器学习之线性模型
机器学习之线性模型一、线性回归二、对数几率回归三、线性判别分析这部分涉及公式推导比较多,故只讲述思想,后面有时间再补补公式推导一、线性回归我们希望通过模型求得一个简单的由属性的线性组合构成的一个函数,并且希望它足够好,预测效果与真实值的误差尽可能地小f(xi)=wTxi+bf(x_i) = w^Tx_i+bf(xi)=wTxi+b这便是一般地多元线性回归地形式误差地度量采用预测和真实值的2范数进行衡量二、对数几率回归采用sigmoid函数将数值转化成0~1区间内的一个数所以可以利用这个原创 2021-11-21 16:21:28 · 545 阅读 · 0 评论 -
机器学习之模型评估和选择
机器学习之模型评估和选择一、模型评估的一些基本术语经验误差指学习器在训练集上的误差泛化误差指学习器在新样本上的误差泛化能力学习的模型适应新样本的能力,即在预测新样本时的效果好坏过拟合模型训练过度,把训练样本自身的一些特点当成所有潜在样本的一般性质,导致泛化能力下降欠拟合模型对于训练样本的一般性质尚未学好,即学的还不够,能力还有待加强模型选择即面对不同的模型如何选择一个最优的模型作为我们的学习结果,一般而言不同的学习算法也会产生不同的模型,在各种参数上会有差异原创 2021-11-21 12:02:48 · 981 阅读 · 0 评论 -
机器学习必先了解的基本概念
机器学习基本概念一、数据相关术语二、学习相关术语三、结语一、数据相关术语数据集对于实际问题中的记录构成的集合学习(训练)从数据中学得模型的过程,也就是机器学习的主要目的样本特征向量一般一条记录有多个属性构成,将多个属性表示成向量,称为样本的特征向量(feature vector)维度描述一个样本的属性数,称为维度训练样本训练过程中使用的数据称为训练样本二、学习相关术语分类模型预测的是离散值回归模型预测的是连续值聚类自动对样本以一定的处理原创 2021-11-21 02:17:42 · 722 阅读 · 0 评论 -
机器学习中的关联分析
机器学习中的关联规则分析一、关联规则的背景二、基本概念三、关联规则的产生1.定义2.满足的条件3.寻找关联规则的策略4.频繁项集的产生减少候选项集的数目减少比较次数5.产生规则一、关联规则的背景在一组数据中找到某种内在联系,举个例子:在国外的某家超市,工作人员发现牛奶、啤酒、尿布经常在男性的账单中出现,看似风马牛不相及的事情,但确实就发生了,后来超市采取三者放在比较近的地方以提高销售量,事实证明他们真的成功了,其实是劳累了一天的爸爸在买孩子尿布的时候顺便买了啤酒,本质上是有因果关系的。所以关联分析就是通原创 2021-11-20 20:47:48 · 1005 阅读 · 0 评论 -
机器学习中矩阵求导法则
机器学习中矩阵求导法则一、定义法求导二、分子与分母布局三、常见求导法则一、定义法求导矩阵求导的本质上就是矩阵中元素对元素的求导,只是将其按照矩阵的形式进行一些规范化的写法罢了标量、向量、矩阵组成9种求导的情况其中标量对于其他三种求导比较容易就不过多叙述了向量对于向量求导,一般先分成单个元素对于向量求导即可向量对于矩阵求导,一般先把矩阵按照行或者列划分成分块矩阵,然后就成为向量与向量的求导矩阵对于矩阵的求导仍然是采取分块的思想进行,分成向量和矩阵的求导了解了求导的定义之后,如何将求导结果原创 2021-10-24 19:50:24 · 2051 阅读 · 0 评论 -
机器学习简单入门
机器学习初识一、什么是机器学习二、机器学习种类的划分1.监督学习2.无监督学习3.强化学习三、模型评估指标1.回归问题的评估指标2.分类问题的指标四、模型的泛化能力五、训练数据的方法1.留出法2.交叉验证六、如何选择一个好的模型七、欠拟合与过拟合的概念一、什么是机器学习即我们提供数据集,然后计算机根据一定的算法帮我们构建一个模型,相当于一个学习过程,之后输入新的数据,模型返回给我们一定的数据二、机器学习种类的划分1.监督学习即既有输入变量又有输出变量如果输出变量为离散型我们一般称为分类问题如原创 2021-08-12 11:43:41 · 293 阅读 · 0 评论