自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 遗传算法(Python) #5 用DEAP框架解决OneMax问题

遗传算法(Python) #5 用DEAP框架解决OneMax问题遗传算法系列的第三期介绍了如何不用任何框架从零开始解决OneMax问题,第四期介绍了DEAP框架的基本用法。若读者对下文中定义或术语不熟悉,可以查看本系列的前几篇文章。本期文章将介绍如何使用DEAP解决OneMax问题。1.OneMax问题(OneMax problem)OneMax问题是遗传算法的入门问题,其内容是:如何使一段长度固定的二进制字符串所有位置上数字之和最大。让我们用一个长度为5的二进制字符串为例:10010 -&g

2020-05-24 10:39:55 778

原创 机器学习基础:理解极大似然估计

机器学习基础:理解极大似然估计本文将帮助你直观的理解为什么极大似然估计(Maximum Likelihood Estimation)可以用作模型参数的估计。1. 什么是模型参数(Parameter)每种模型内都存在着一系列参数,当使用不同数据时,模型参数会相应地改变.最常见的模型之一就是线性模型: y = bx + c, 其中b和c就是该模型的参数。比如我们用体重(kg)来估计身高(cm)时,体重每增加1公斤,身高就增加b厘米,c则是该直线的截距。2.什么是似然(Likelihood):在理解

2020-05-23 08:50:09 723

原创 机器学习基础:概率,发生比与Logit

机器学习基础:概率,发生比与Logit概率是机器学习中最常见的概念,在分类算法(Classification)中经常出现,而Logit也是逻辑回归(Logistic Regression)中的重要概念,本文将总结概率(Probability),发生比(Odds)和Logit(log(odds))之间的关系。1. 概率,发生比与Logit的定义1.1. 概率概率是指一个事件发生的可能性,假设一个袋子里有若干红球和蓝球,用P来表示概率,则:P(抽到红球)=红球个数所有球个数\vphantom{}\\P

2020-05-22 14:30:07 2654

原创 遗传算法(Python) #4 DEAP框架入门

遗传算法(Python) #4 DEAP框架入门1. DEAP框架简介DEAP(Distributed Evolutionary Algorithms in Python)是一个热门的Python进化算法框架,我们可以用这个框架在Python内实现遗传算法的应用,本文将介绍DEAP中主要模块的定义与用法,而下一期我们将用DEAP框架解决OneMax问题。2. base 模组base模组内有Toolbox和Fitness两个类,一般我们用Toolbox来创建方程,将所有遗传算法的方程都储存于Toolb

2020-05-20 09:25:11 1040

原创 遗传算法(Python) #3 从零开始解决OneMax问题

遗传算法(Python) #3 从零开始解决OneMax问题1. OneMax问题(OneMax Problem)OneMax问题是遗传算法的入门问题,其内容是:如何使一段长度固定的二进制字符串所有位置上数字之和最大。让我们用一个长度为5的二进制字符串为例:10010 -> 和为200111 -> 和为311111 -> 和为5(最大值)对一般人,显而易见,当所有位数都为1时,该字符串的和最大,但在我们用遗传算法解决该问题时,遗传算法本身并没有这样的知识。接下来我们将不依

2020-05-20 09:23:03 1181

原创 遗传算法(Python) #2 基本运算方法详解

1.遗传算法主要流程用遗传算法来解决最优化问题的解的基本如下流程如下:流程简介:定义种群与个体:遗传算法中每个个体即为问题的解,一般个体按照一定方法随机生成。 定义个体与种群的适应度函数:个体的适应度函数可以用于选择个体,而种群的适应度函数可以用来追踪算法的进度。 循环选择、杂交、突变与适应度计算:这一系列操作可以生成下一代的个体 选择:一般而言以更大的概率选择适应度更高的个体 杂交:交换不同个体之间的基因 突变:随机在个体的基因中产生突变 计算该世代的适应度:每个世.

2020-05-20 09:16:31 3528

原创 学习笔记:遗传算法(Python) #1 遗传算法简介

1.什么是遗传算法遗传算法(Genetic Algorithm)是进化算法(Evolutionary Algorithm)的一种,其命名借鉴了达尔文的进化论,本算法的核心概念借鉴了进化论中的遗传、突变、自然选择与杂交等概念。通过这些概念,遗传算法可以用于解决最优化问题。基因算法的主要概念如下:基因型(Genotype):遗传算法借用了了生物学中基因的概念,一系列基因的组合就是基因型。 个体(Individual):就如每个人的DNA都是独特的一样,遗传算法中的个体可以抽象为一系列基因的组合,比如1

2020-05-20 09:11:26 931

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除